推理模型與指令模型

推理模型和指令模型是兩類不同的人工智能模型，分別側重于邏輯推理和任務執行。以下是它們的簡單介紹：

1. 推理模型

• 目標：解決邏輯推理、數學計算或知識推斷問題，輸出確定性結論。
• 特點：
  • 強調邏輯鏈推導，適合結構化問題（如數學題、物理公式推導）。
  • 輸出通常為數值、分類結果或明確的推理步驟。
• 典型應用：
  • 數學解題（如AlphaGeometry解幾何題）。
  • 科學計算（如分子結構預測）。
  • 邏輯推理（如定理證明）。
• 示例模型：
  • AlphaGo：通過推理策略選擇最佳下棋步驟。
  • Lean：交互式定理證明器。

2. 指令模型

• 目標：理解并執行用戶指令，生成符合要求的動態響應或操作。
• 特點：
  • 依賴自然語言輸入（如“寫一首詩”“生成代碼”）。
  • 輸出多樣化（文本、代碼、圖像等），強調與用戶意圖對齊。
• 典型應用：
  • 對話系統（如ChatGPT）。
  • 編程輔助（如GitHub Copilot生成代碼）。
  • 內容創作（如生成文章、設計文案）。
• 示例模型：
  • GPT-4：根據指令生成文本、代碼等。
  • Claude：通過自然語言指令完成復雜任務。

3. 核心區別

總結

• 推理模型：擅長邏輯推導，適合解決結構化問題。
• 指令模型：擅長任務執行，適合處理開放式指令。
  兩者常結合使用（如用指令模型接收問題，調用推理模型生成答案），以實現更強大的AI能力。

理解大語言模型的本質

特點1：大模型在訓練時是將內容token 化的，大模型所看到的和理解的世界與你不一樣

特點2： 大模型知識是存在截至時間的

特點3：大模型缺乏自我認知/自我意識

特點4：記憶有限(64k/128k)

如下上傳一本紅樓夢，DeepSeek 會通過RAG 方式去讀取，但是不會讀取紅樓夢的所有內容

特點5：輸出長度有限(4K/8K)

可以先讓大模型列出提綱，然后再按提綱分別寫作

有效的7大R1 使用技巧

技巧1：提出明確的要求

技巧2: 要求特定的風格

技巧3：提供處分的任務背景信息

技巧4：主動標注自己的知識狀態

技巧5：定義目標，而非過程

技巧6：提供AI不具備的知識背景

技巧7：從開放到收斂

也就是關注R1的輸出結果時的推理信息，其中可能會包含自己沒有考慮到的內容，最好加入到prompt 中，不要讓R1 去猜測