LLM
概率统计机制下，LLM 推理真的「理解世界了」吗？
本周会员通讯解读了2个AI & Robotics业内要事。首先讨论了概率统计机制下LLM推理的真实情况，涉及简单复读和显性路径在推理中的角色、Next Token Prediction的动态建模过程以及因果理解的表达。其次探讨了企业如何使用AI采购预算，并分析了从自行构建转向购买第三方应用的原因。通讯还包含2项专题解读及31个要事速递。
大模型才是智能体的核心，智能体的所有操作都是基于大模型完成的——智能体的执行过程
开发智能体的关键是大模型、Prompt和工具三者结合。Prompt引导模型理解和执行特定任务，工具提供具体操作手段。智能体的核心流程包括需求理解、工具选择与使用、结果分析及问题解决。
AI 大神 Karpathy 演讲刷屏：软件 3.0 时代已来，提示词就是新代码 附完整PPT
Karpathy 在 YC AI 创业学校活动上的演讲被浓缩成一套金句卡片，涵盖了编程语言进化史、LLM 是新操作系统的比喻、GUI 的重要性以及 LLM 教育应用的局限等内容。
大模型只是一个可插拔组件，提示词才是大模型应用的核心——提示词在大模型应用中扮演的重要角色
关于大模型的应用，核心在于如何写好提示词。虽然大型语言模型本身类似于基础计算资源，云服务商提供多种不同能力、规模和价格的模型供选择，但提示词决定了模型的具体行为。