encounter2017

他想要的不是 ai ，是赛博灯神

@MrRongts #12 不懂 rust, 不过这代码丢给 ai 分析，好像也看不过去。我认识的一个写 rust 的大佬说，乱用 unwrap 的都是在代码里拉屎

就说数学解题能力吧，9.11 > 9.9, train on test data is all you need, 这种问题还少了吗
有多少高分是数据泄露刷出来的，过拟合出来的，这还说不准呢。较新的数据集 Human Last Exam 目前模型最好的成绩是 GPT-5, 得分 25.32 ， 满分 100

@zhwguest
因为没有理论支撑，意味着不可解释，难以复现。没有元素周期表的时候，古代的炼金术士也能炼丹呢，能利用核能吗？

@zhwguest 这种类比是不准确的

高级语言和垃圾回收机制都是有理论基础的，前者有类型系统与语义定理，编译原理作为基础，后者有可达性模型和分代的工程经验。而大模型有什么呢？涌现？ scale 定律？目前依然没有靠谱的理论基础，我们这样用只是 it just works

1. 把更高抽象和更脏实现混为一谈
高级语言/GC 引入的是抽象与自动化，目标是减少偶然复杂度；而屎山是设计退化与耦合失控。前者通常降低出错率和变更成本，后者相反。

2. 把能修 bug 当成能演进系统
sre benchmark 中的任务相对固定明确，而现实业务中有很多业务相关的知识，如何让大模型准确理解业务领域的知识，并不是一件成本低廉的事情。

3. 假设 AI 修复是稳定且无副作用的
至少目前来看，ai 对代码的理解比 gpt3.5 时期刚出来的时候能力强了许多，但是依然不能保证没有问题。大模型的训练方式就天然决定了它的回答上限依赖于训练数据，无法解决新领域的问题，同时由于 token 输出依赖自然语言，同样无法解决自然语言相关的问题：概念描述和自我指代的悖论。

不考虑在 1.x 版本多待会吗，直接就 2.0 了

一个简单的数学题目：
n / 9 = (n + 8) / 12, n = ?

n 越大左边越划算

> 子曰：「言，乃心之声。慎言，可以自保。」
哪个子？