Dane Dai
我最近在维护一个仓库，在 Claude.md 里要求所有系统文件使用英语，但这个规则基本被忽视了。文件不大，才 66 行，规定却形同虚设。我没仔细追究原因——中英文对我来说都没问题——但今天冒出一个想法。我现在在做一个 loop 的实验。我在想：如果我把这个要求放进 loop 里，让它每天定时跑一遍，问题是不是就能解决？模型因为智力限制，有时候注意不到细节点——它的注意力会集中在更重要的执行任务上。这我能理解，毕竟像 DeepSeek 这类模型还没真正达到 SOTA（State of the Art） 级别，我也能接受。那在这种情况下，怎么提升我们工作的系统？Loop 是一个好方法——用更多的运行次数、更多的 token，去保证系统的稳健性和可预期性。说白了就是用更多的 token 换取更多的"智商"。延伸到未来：现在像 Claude Mythos、Claude Fable 5 这些模型，因为智商太高、容易做出超出人类预期的行为，都在美国政府监管之下，像关在笼子里一样。超高智商必须接受监管。而 DeepSeek 这类还没被完全监管的模型，某种意义上，大众能用到的大模型智商已经接近天花板了——再往上就要被监管了。所以，我们现在能接触到的模型，已经接近可自由使用的上限了。那在这种前提下，怎么优化系统？Loop 的思路是：通过不断迭代，花更多 token 和时间，让每次任务更专注。系统之所以遗漏细节，是因为模型注意力集中到了任务核心上。比如"做某个功能"是核心任务，而"使用英语"这类系统要求权重太低，一旦上下文变长就直接被忽略了。总之，这种专注的、长程的、定时的任务循环，能把大模型的注意力引导到那些微小的、日常需要定时执行的事情上，反而会做得更好。
发布于 江苏
分享
评论
赞
未登录
友善发言
评论
加载中
