陈然的公开内容

作为一个日常工作中有超过 50% 时间都在与各种大模型对话的人，想跟大家分享一下我在使用各个主流模型时的一些体验和感受。 Google Gemini 系列 优点： 1. 极其便宜：无论是免费额度还是付费使用，价格都非常有优势。 2. Context Window 超级大：1-2M 的上下文长度，基本能覆盖绝大部分任务场...

Vector databases have become critical for powering AI applications that rely on similarity search, from semantic text search and recommendation engines to image...

引言 在人工智能时代，机器学习团队的管理具有独特的复杂性。与传统软件团队不同，机器学习团队往往汇聚了算法研究、数据工程和业务应用等多学科人才 (Author Q&A: Effective Machine Learning Teams | Thoughtworks United States)。团队需要跟进行业最新研究进...

最近，AI 社区里流传着这样一句话——“通用大模型很强，但我并不需要我的应用去给我背诵法文诗歌。” 这句话听上去有点调侃，却反映了一个重要现象：许多企业和开发者在早期会选择大型通用模型（例如 GPT-4）去快速验证想法，但真正想要落地到生产环境，往往发现必须在速度、成本和“专用领域准确度”之间做权衡。 于是，“微调（F...

你有没有想过，把自己的人生当作一场“模型训练”？就像训练一个神经网络那样，不断试错、微调，直到获得更优解。也许，这个思路能帮你跳脱对“失败”“起点”以及“目标”的传统认知，轻装上阵去学习、成长并迭代自我。 一、为什么要把“机器学习思维”用在“人类学习”上？ 我们常常把“学习”当作去获取知识、技巧，却容易忘了最重要的那一...