[视频播客]谐波共振 Ep.5:人和大模型只能有一个淌哈喇子

合集 · 谐波共振【视频播客】 (11)

Description

好，这一次我不说「AI味儿」的废话，给你最干脆。最直白，最说人话的视频简介版本：

谐波共振新一期，🦃扒鸡老师从日不落帝国归来，跟大家聊聊：
	·✨大模型到底改变了什么——英国CS教育被GPT冲成什么样了
	·⌨️vibe coding是让普通人能写代码了还是批量制造屎山
	·🤵为什么GUI agent行业半年内急速下滑
	·🐎以及Hermes这种agent系统到底在解决什么问题。

*本视频内容及简介由人类编辑生产*

Comments

AsgoreD 2026-06-04

“让我们说中文”

♥ 29 ↩ 7

阳炎下的雪风 2026-06-04

我很不赞同说的llm是低效的这个说法。 llm其实最擅长解决的是，搜索空间（或者说问题空间）很难定义，几乎无限的问题。（在llm之前是无法解决的）。其实这句话可以泛化来说，所有ai算法都是类似这样，尝试将几乎无限的搜索空间，变得可搜索可解决。以llm这个微观例子来说，比如表达‘今天要下雨，所以要带伞’。这一句话你有无数种语言有无数种方式，去表达同一个意思。如果传统的非ai非llm的算法去判断，其实无法做到人所能做到的的，语义理解。但是llm可以，并且这种理解的能力（在线性空间做映射关联）是泛化到所有语义相关的理解的（甚至做到类似人的逻辑推断能力，即‘涌现’）。不用llm是根本没办法做到的，你这样角度去想其实反而是高效的，根本不是低效。

♥ 12 ↩ 6

睡在活驴旁边 2026-06-04

能不能每周一期[doge]

♥ 9 ↩ 1

Pointtttt 2026-06-04

大模型信息利用率低确实是一个问题。从个人视角看可能就当是多花钱买省心了，我有钱有时间我绕远路多烧油就图个清闲；但是从宏观视角来看，地球的资源总量总归是有限的，虽然这个视角过于宏观了，但以大模型的发展趋势来看这也不完全是杞人忧天。不过现实大概率应该不会真的发展到那一步，因为行业中各处都散布着这种有强迫症，总觉得它利用率太低不舒服，有机会就改好一点的人

♥ 7 ↩ 1

槐兰 2026-06-04

linux kernel里最近ai发掘修复的漏洞应该很多，3月份以来补丁数暴涨，内核之前就引入了Documentation/process/coding-assistants.rst。3月底把这个补到submitting-patches.rst在提交主流程里要求说明ai coding工具使用了。由于补丁数量暴涨，邮件列表发件相关文档也调整了不少。以及现在内核补丁很多都会过一遍sashiko，3月份新出来的agentic patch review，来应对暴涨的patch量。但是最终都是由人负责。

♥ 7