模型切换、任务差异与研究外推
Recover讲述换模型修复Bug的个案;J1_Hee与数读对工具偏好不同;一段研究转述明确提醒不要扩大结论范围。
为什么留下这段讨论
同一天既有体验判断,也有证据边界,二者不应混在一起。
相关话题
哪个模型强,先看拿它做什么
写代码、讨论需求、跑长任务,可能需要不同的工具。
便宜的模型,真的省钱吗?
把等待、检查和返工算进去,再看一次任务花了多少。
一句话很有道理,它的依据是什么?
体感、转述、推演与原话,不能互相充当证明。
参与者与原话
他们发现 knowledge QA 更 capacity-hungry(吃容量),而 code 更 data-hungry(吃数据)。值得注意的是,他们用 code 作为 reasoning 的 proxy,所以“所有推理任务都如此”是比论文原结论更强的说法。
这就不得不提我昨天修一个数据系统的bug,glm5.2烧了十块钱,还没给我修好,逼得我上了k12
两分钟解决
我现在用codex,不用claude了
codex适合当程序员
但是很多需要思考和产品侧、需求侧的分析场景 我觉得远不如cc