翻出这条四月的推文，因为LLM能力的共同理解差距正在*扩大*。现在已不再是“两类人在对话时错过彼此”，而是一个锐利的漏斗。草稿计算显示约60亿人（约占人口的75%）几乎没有接触过LLM。约10-20亿人（约20%）是Chat GPT等免费产品的休闲且偶尔用户。这类用户将LLM视为更好的Google搜索、写作工具，甚至是能尝试预订机票的代理。我身边的非技术朋友（合理且我个人认为）说他们几乎没有用处。甚至许多非数学和代码专业的专业人士也在这个层级。例如，高管和其他职能人士花费大量时间与他人交流，虽然他们在智力上理解发生的事情，但仍是二手且抽象的。现在我们进入专业使用前沿级LLM的数学和代码领域。约2000万人（0.2%）亲眼看到，过去需要数周或数月完成的复杂项目，现在只需一个提示即可由代理完成。构建、复制、翻译、反编译应用程序……这一切在不到一年前才发生——去年我仍在手动编写代码，逐字输入记忆中的命令，偶尔按Tab键自动补全少量代码。最后是约5000人（0.00006%）拥有内部前沿级系统的访问权限。外部世界已看到预览，这看起来像是成千上万的代理人在数周内协作处理软件巨型项目：发现零日漏洞、以机器速度进行网络攻击和防御、发现新科学、推动数学前沿。这些工作过去需要行业顶尖专业人士多年完成。与此同时，人类的审查和理解正在落后。例如，人们仍在研究OpenAI-HF事件的“考古”。数学家可能会在一段时间内研读722份前沿数学手稿。这个漏斗是由以下因素驱动的：1. 影响随雄心、问题规模和视野而扩大。一个仅需一段文字回答的问题对系统压力很小。你需要一套你真正在意的、规模大且困难的问题。这推动了消费者/专业层面的漏斗。2. 系统的不均匀性（我在其他地方写过很多）。能力在数字、可验证且经济有价值的领域达到顶峰。这是因为LLM能力源于在可验证奖励上对混合环境进行强化学习，这些环境由盈利潜力驱动。这主要推动了数学和代码领域的漏斗。3. 接入。免费层、付费层、内部层。因此，当前时刻的奇怪之处在于：大众大多未与这些系统互动。当他们互动时，仅像一款笨拙的聊天机器人。大多数专业人士仍只看到适度的提升。而极小一部分专业人士正经历曲线垂直上升的眩晕。这一切同时发生。
来源: Hacker News · 由HeadlinesBriefing整理摘要