维生素E|经济学哲学知识分享播客

https://aibti.manbuxuepai.cloud

新的小项目，来测测你的 ai 人格

现在，买ai订阅就感觉和买彩票一样，还得寻思这公司未来咋样，至少未来一个月有没有前景，会不会发新模型

多说一句,gork 4.6确实不错，赞美搞哥，搞哥很waghhhh

我其实不太理解为什么claude那么执着于锁区，如果他只是想做锁区这件事的话，投入和产出根本不成正比，锁区意味着识别用户到底是哪个地区，这个从互联网基础设置而言几乎就是不可能的工作，因为云服务器是开放的，国际信道是开放的，人员的国际流动是开放的，且多数国家的kyc和美国不通，证件伪造成本极低而识别成本极高。 有空做这些不如识别用户行为，发现蒸馏或者其他类似行为依照行为逻辑封号没人说它什么，但非按地区逻辑限制，把精力和资金花在这上面，只能是说有执念了，那这个执念是怎么来的呢

https://mp.weixin.qq.com/s/cErbT9MVykZuYK-NTRDuZg

漫步学派 小程序已经开始公测，公众号会定期发送邀请码（今天就会发一波），有兴趣体验的朋友可以关注 #vibecoding #精神分析

🔬 Token 经济学：用便宜的 Token 替代贵的 Token，到底行不行？

最近一直在思考一个问题：LLM 的 token 是有质量分层的。Opus 4.6 输出的是"高质量 token"，本地跑的开源模型输出的是"低质量 token"。那能不能通过多 agent 协作、多次采样，用数量换质量？ 研究了一圈文献，结论是：有条件地可以，但有硬天花板。 ⸻ 📈 好消息：小模型确实能超越大模型 Snell et al.（ICLR 2025）发现，在 FLOP 匹配的评估中，小模型通过增加 test-time compute 可以超越参数量大 14 倍的模型。另一篇 ICLR 2025 的论文显示，Llemma-7B 配合 tree search，在 MATH benchmark 上始终优于 Llemma-34B。 关键条件：模型对目标任务得有非零的成功率，而且你得有一个靠谱的 verifier。 ⸻ 🚫 硬天花板：No Free Lunch Chen & Pan（2025）给出了理论证明：无论怎么 scaling 弱模型的推理计算，都无法匹配一个足够强模型的单次采样精度。 直觉解释：如果正确答案根本不在弱模型的输出分布里，采样一万次也不会出现。你只能从模型能想到的答案里选，选不出它想不到的东西。 ⸻ 📉 多来几次不一定有用 Chen et al.（NeurIPS 2024）研究了多次 LLM 调用 + 投票的 scaling 特性，发现了反直觉的结论：性能先升后降。 原因：对"简单"问题，多投票确实提升准确率；但对"困难"问题（单次正确率 < 50%），投更多票反而让错误答案更确定地胜出。 多 Agent 辩论（MAD）也没那么神：ICLR 2025 的研究发现，大多数 MAD 框架甚至不如简单的 Chain-of-Thought，还有"从众效应"——弱模型引入辩论会拖累强模型表现。 ⸻ 💡 那什么才真正有效？ 不是替代，而是分流。用大量低质量 token 处理 80% 的工作量，只在关键路径上使用高质量 token。 具体来说有几种机制： ① Best-of-N + 测试驱动 — 生成 N 个方案，跑测试选最好的。代码任务最适合，因为编译器和测试用例就是完美 verifier。 ② 迭代修正 — 生成 → 测试 → 把错误喂回模型 → 修复 → 再测。