跳到正文

LLM 是一个函数

LLM 是一个函数。你给它什么,它就还你什么。

当你要发散性思维的时候,就少给它一些输入:输入越少,解空间越大,它才可能给出你没想到的方向。过早把自己的答案塞进去,拿回来的往往只是自己答案的回声。

当你要开始收敛的时候,就多加一些约束:格式、边界、标准越明确,输出越确定、越接近能直接使用的结果。

发散靠减法,收敛靠加法——同一个函数,旋钮在你手上。

四格漫画:第一格,火柴人把问题投进标着 f(x) 的黑箱,箱口喷出杂乱无章、四散飞开的点子,字幕「LLM 是一个函数」;第二格,火柴人把输入削到只剩一句话,点子像星云一样向四面八方扩散,字幕「要发散,就少给输入」;第三格,火柴人往输入里塞满规则与括号等约束,黑箱只吐出一条整齐的直线,字幕「要收敛,就多加约束」;第四格,火柴人一手握着同一个黑箱上的两个旋钮,一个标着松、一个标着紧,字幕「发散靠减法,收敛靠加法」