他半瓶冰可乐下肚就开始吐槽，说现在外面把大模型算法传得跟能通灵似的，什么都能算。上周有个做文创的朋友找过来，问能不能把他们家存了十年的老顾客留言全喂给模型，自动生成能精准戳中每个老粉的定制贺卡，算下来成本比雇三个文案还低，转头发现喂进去的东西一半是门店收的手写便签照片，连个清晰的文字识别都没做。
大模型算法根本不会“想”
很多人对大模型的第一印象，是它能写文章、能写代码、能跟你聊哲学，肯定是像人一样有思考能力的。
真不是。
你每次跟大模型聊天，打出去的每一个字，在它那里走的流程，跟你小学时候做的英语完形填空没本质区别——就是猜下一个位置上最可能出现的词是什么。整个大模型算法的核心逻辑，到今天为止都没跳出“逐字猜概率”的框架。你打出去“今天天气真好，我们一起去”，它会把所有可能接在后面的词算一遍出现的概率：“逛”占32%，“爬山”28%，“吃饭”22%，剩下的零散分布在“看海”“打球”这类词上。它就顺着概率从高到低排，凑成一句读着顺的话输出给你。
就这么简单。
之前有人说大模型会写古诗是因为它懂文学审美，其实你把它的输出拆到最细的计算层，会发现它连“诗是什么”都不知道。它只是读了几千万首前人写的诗，知道哪些字挨在一起出现的频率更高，拼出来的东西刚好符合你对“诗”的印象而已。你要是给它喂进去一堆“床前明月光，玻璃好上霜”这种打油诗，它写出来的东西也会跟着变味，根本不存在什么独立的审美判断。
被吹上天的“算法优化”，一半是在做“断舍离”
很多人觉得，算法越优化越厉害，就是堆更多参数、喂更多数据，搞更复杂的数学公式。
说实话，一半是对的，一半是错的。
我那同学说，最早的大模型训练的时候，100G的原始爬取数据里，差不多30G是没用的垃圾：弹窗广告、乱码的网页碎片、重复的爬虫快照，甚至还有不少网站的隐私政策文本。这些东西喂进去，模型学不到有效信息就算了，还会学歪——比如一被问问题就输出一段版权声明。现在很多算法团队的日常，一半时间在调参数，另一半时间在跟训练数据里的垃圾打架。去年某开源模型上线前，整个团队花了整整两周，把训练集里所有无意义的辱骂语料、重复的广告文本全清出去，不然模型一被触发就会输出莫名其妙的脏话。
听着挺蠢的。
但就是这种看起来上不了台面的脏活，占了整个模型开发流程差不多60%的工作量。外面写的科普文总把算法塑造成飘在天上的黑科技，实际上大部分时候，工程师跟在垃圾数据后面擦屁股的时间，比写核心计算逻辑的时间多得多。哪有那么多灵光一闪的天才创意，大部分优化都是一点点抠细节抠出来的。
别把大模型算法当万能钥匙
上次撸串到一半，他手机响了，是个开水果店的老学长找过来，问能不能搞个大模型算法，自动算每天进多少草莓、多少车厘子，把货架损耗降到最低。
他当时差点把手里的烤筋掉桌上。
跟老学长解释了十分钟，说真用大模型算进货量，还不如你在店里站三个月摸出来的经验准。为什么？大模型是靠海量公开数据训练出来的，它知道全国范围内水果进货的大概规律，但它不知道你家店门口上个月修地铁，人流少了三分之一，也不知道你家隔壁开了个小学，下午四点接孩子的家长会顺路买两斤橘子。大模型算法最擅长的事，是处理那些“有海量公开共性数据”的问题——比如写通用文案、总结公开文档、写标准格式的代码。这些东西网上有几亿份现成的材料可以学，它猜出来的结果大概率不会太离谱。
但它处理不了那些高度个性化、没有共性数据的事。比如你家猫今天为什么突然把桌上的杯子推下去，比如你家三亩茶园今年能出多少斤明前茶，比如你家楼下便利店每周几要补多少货。这些事你就算把全网的数据都喂给它，它算出来的结果也不如你自己天天在现场摸出来的经验准。
不过话说回来，现在很多人对大模型算法的期待，本来就有点歪。总觉得这是个能一劳永逸的神器，只要把东西喂进去，就能躺着把钱赚了。我见过太多团队，上来就砸几百万搞大模型落地，最后发现自己的业务流程根本没捋顺，存了好几年的数据一半是乱码，把模型架上去之后输出的东西全是错的，最后钱花了啥效果没有，反过来骂大模型算法是骗子。
真不是算法的问题。
是他们自己从一开始就没想明白，到底要拿这个工具解决什么问题。
作者|科技
排版|科技
审核|安然