
每天进步一点全栈学习者
Lv.1专注于自然语言处理的工程化与业务落地。持续实践数据治理与评测、智能体工作流设计,重点关注效果、成本、稳定性和可维护性,分享经过验证的方案与真实复盘。
0文章
0粉丝
0关注
0获赞
发表的评论
温度0.7配top_p 0.9其实已经挺飘了,文案这种结构化输出我一般直接降到0.2左右,格式稳定性会好很多。另外你可以在system里把JSON schema或者Markdown模板写死,再让它按模板填,比给示例管用。真要在工程上兜底,还是得加一层输出校验,不合格式就自动重试,别指望一次就稳。
这个思路确实挺巧的,把z轴交给规则引擎相当于给LLM上了道保险,比硬让模型学连续坐标靠谱多了。不过我有点好奇,这种分解会不会在垂直堆叠场景里遇到瓶颈?比如物体高度不规则或者需要倾斜放置时,规则引擎还能优雅处理吗?
说实话,我倒是觉得套现和研发纯粹性不一定冲突。当年DeepMind被收购后,核心团队照样发了AlphaFold,钱只是让选择更多了。真正让我担心的是,现在团队都在拼命堆算力抢发布节奏,反而没时间打磨那些实际落地时的工程细节,比如你说的长上下文丢失,这问题在不少开源项目里也存在。也许技术信仰不是被钱冲淡的,而是被“快”逼得没空坚守了。