重新翻出这条4月的推文，因为这种对LLM能力共同认知上的差距正在*扩大*。现在与其说是“两群人在自说自话”，不如说更像一个急剧收窄的漏斗。
- 粗略估算，大约有6B人（约占人口的~75%）几乎没有接触过LLM。
- 大约1-2B人（约~20%）是免费档ChatGPT类产品的偶尔使用者。这个群体看到的是憨憨的聊天机器人，把它们当作更好用的Google搜索、写作助手之类的工具。也许有个智能体试图帮你订机票。我有一些非技术圈的朋友（我认为合理地）说他们完全用不上这东西。甚至数学与代码领域之外的许多专业人士也处于这一层。例如，高管和许多其他职能的人大量时间都在与人交谈，所以虽然他们在理智上明白正在发生什么，但这仍是二手的、有点抽象的。
- 现在说到在数学与代码领域专业性地使用前沿级LLM。大约有20M人（0.2%）亲眼看到，过去需要数周/数月才能完成的大型复杂项目，现在可以通过一个提示词由智能体完成。构建应用、复制应用、翻译应用、从二进制文件反编译应用……这一切都发生得非常快、非常近——不到1年前，我还在手工编写代码，把背下来的计算机代码命令一个字符一个字符地敲进代码编辑器，偶尔按Tab键自动补全一小段代码。
- 最后是最内部的约5,000人（~0.00006%），他们能接触到内部的前沿级系统。外部世界看到的只是预览。它看起来像是由数千个智能体组成的集群，在数周内协作完成软件超大型项目：挖掘零日漏洞、以机器速度发起网络攻击与防御、发现新科学、推进数学的前沿。这些本来需要行业内顶尖专业人士数年的工作。与此同时，人类的审查和理解能力开始跟不上了。例如，人们至今仍在参与许多个月前OpenAI-HF事件的“考古”。数学家们可能还要花一段时间研读那722份关于前沿数学的手稿。
这个漏斗由多种因素共同驱动：
1. 影响力随雄心、问题规模和时间跨度而放大。一个只需一段话回答的问题几乎给系统造成不了什么压力。你需要一个由你真正在乎的大型难题组成的储备。这一点驱动着漏斗的消费者/专业维度。
2. 系统的锯齿性（这一点我在别处写过很多）。其能力峰值出现在数字化、可验证且具有经济价值的领域。这是因为LLM的能力来自在以收入潜力驱动的精选环境组合上进行可验证奖励的强化学习。这一点主要驱动漏斗的领域（例如数学与代码）维度。
3. 访问权限。免费档、付费档、内部。
所以这就是此刻的怪异之处。普通大众大多没有与这些系统互动过。当他们互动过时，看到的是一个憨憨的聊天机器人。大多数专业人士仍只看到有限的提升。而一小部分专业人士正在体验曲线走向垂直所带来的眩晕。而这一切正在同时发生。