這是 Mistral 創(chuàng)始人 Arthur Mensch 在美國(guó)紅杉 AI 活動(dòng)上關(guān)于開(kāi)源大模型與未來(lái)發(fā)展的分享。Arthur 表示，未來(lái) 5 年，AI 將向更加自主的智能體 Agent 和助手發(fā)展，能完成越來(lái)越多復(fù)雜任務(wù)，制作這樣的智能體將變得越來(lái)越容易。

AI 技術(shù)將通過(guò)自然語(yǔ)言交互得以廣泛控制和使用，到一定程度時(shí)，”開(kāi)發(fā)者”與”用戶”的界限將變得模糊，普通用戶也能創(chuàng)建定制的 AI 助手工具。

另外，AI 部署將趨向于更多狀態(tài)化的形式，與數(shù)據(jù)和上下文緊密關(guān)聯(lián)，而非當(dāng)前的無(wú)狀態(tài) API 調(diào)用模式，狀態(tài)數(shù)據(jù)可能存儲(chǔ)在數(shù)據(jù)云平臺(tái)中。未來(lái)幾年，LLM 領(lǐng)域可能還將出現(xiàn)一些協(xié)調(diào)和整合，尤其是在開(kāi)源模型方面，以利于全行業(yè)發(fā)展。

從當(dāng)前到未來(lái)，LLM 將呈現(xiàn)從小型模型到超大型模型的全尺寸覆蓋，以平衡不同場(chǎng)景下的延遲和能力需求。評(píng)估 LLM 表現(xiàn)、持續(xù)改進(jìn)模型，以及自動(dòng)化提示工程將是亟待解決的痛點(diǎn)，需要 AI 技術(shù)自身來(lái)幫助解決……

以下為 Arthur 與紅杉合伙人Matt Miller 的對(duì)談內(nèi)容：

也許我們可以從你選擇創(chuàng)辦 Mistral 的背景故事開(kāi)始，我們都知道你的職業(yè)生涯，你在 DeepMind 的成功職業(yè)，你在 Chinchilla 論文上的工作，但告訴我們，也許與我們分享一下，那就是讓你有了啟動(dòng)并開(kāi)始脫穎而出，開(kāi)始創(chuàng)辦公司的想法。

我們?cè)?App Hill 創(chuàng)辦了這家公司，但我想這個(gè)想法在我們成立公司前幾個(gè)月就已經(jīng)存在了。Jim 和我在大學(xué)時(shí)認(rèn)識(shí)，我們?cè)谝黄鹕狭舜T士課程。我們?cè)趯W(xué)校認(rèn)識(shí)，所以我們彼此之間早就認(rèn)識(shí)。我們已經(jīng)在這個(gè)領(lǐng)域研究了 10 年了。

我們喜歡 AI 是因?yàn)閷W(xué)術(shù)實(shí)驗(yàn)室、工業(yè)實(shí)驗(yàn)室之間的開(kāi)放交流，每個(gè)人都可以在其他人的基礎(chǔ)上建立。我想即使在 LLM 時(shí)代的開(kāi)始，當(dāng)時(shí) OpenAI 和 DeepMind 實(shí)際上也在相互貢獻(xiàn)。這在2022年停止了。

基本上，最后一篇論文做出重要改變的是 Chinchilla。那是 Google 發(fā)布的最后一個(gè)重要模型。對(duì)我們來(lái)說(shuō)，有點(diǎn)遺憾的是， AI 早在旅程的開(kāi)始階段就停止了開(kāi)放貢獻(xiàn)，因?yàn)槲覀冸x完成它還有很長(zhǎng)的路要走。當(dāng)我們?cè)谀甑卓吹?ChatGPT 時(shí)。

我想我們反思了一下，認(rèn)為有機(jī)會(huì)以不同的方式做事情，從法國(guó)開(kāi)始做事情，因?yàn)槭聦?shí)證明，在法國(guó)，有很多才華橫溢的人在大型科技公司有點(diǎn)厭倦了。我們發(fā)現(xiàn)了一個(gè)機(jī)會(huì)，可以通過(guò)一個(gè)精干的團(tuán)隊(duì)、有經(jīng)驗(yàn)的人才，以很快的速度構(gòu)建非常強(qiáng)大的開(kāi)源模型，并試圖糾正該領(lǐng)域正在采取的方向。我們想要更大力度地推動(dòng)開(kāi)源模型。我們?cè)谶@方面做得很好，因?yàn)槲覀兊能壽E得到了各個(gè)公司的關(guān)注。

開(kāi)源運(yùn)動(dòng)在很大程度上是開(kāi)始公司的推動(dòng)力之一。

這是開(kāi)始公司的推動(dòng)力之一，我們的意圖和我們給自己的使命是真的要將 AI 帶給每一個(gè)開(kāi)發(fā)者。我們的競(jìng)爭(zhēng)對(duì)手做事情的方式，到現(xiàn)在為止仍然是非常封閉的。我們想要推動(dòng)一個(gè)更開(kāi)放的平臺(tái)，并通過(guò)這種策略傳播和加速采用。這就是我們開(kāi)始公司的核心原因。

最近，你們發(fā)布了 Mistral Large。你們與微軟、Snowflake Databricks等公司達(dá)成了驚人的合作。那么你們?nèi)绾纹胶饽銈儗⒁_(kāi)源的內(nèi)容與商業(yè)化內(nèi)容，以及如何考慮權(quán)衡。因?yàn)檫@是許多開(kāi)源公司所面臨的問(wèn)題，他們?nèi)绾伪３稚鐓^(qū)的活力，同時(shí)又如何建立一個(gè)成功的業(yè)務(wù)來(lái)為社區(qū)做貢獻(xiàn)？

這是一個(gè)艱難的問(wèn)題。我們目前通過(guò)兩個(gè)模型系列來(lái)解決這個(gè)問(wèn)題，但這可能會(huì)隨著時(shí)間的推移而發(fā)展。我們打算繼續(xù)成為開(kāi)源領(lǐng)域的領(lǐng)導(dǎo)者，這在一定程度上給開(kāi)源系列帶來(lái)了壓力，因?yàn)轱@然存在一些競(jìng)爭(zhēng)者。

與軟件供應(yīng)商采用這種策略的發(fā)展方式相比，我們需要走得更快，因?yàn)?AI 的發(fā)展速度實(shí)際上比軟件更快，比數(shù)據(jù)庫(kù)更快。像 MongoDB 做得非常好。這是我們可以效仿的一個(gè)很好的例子，但我們需要更快地適應(yīng)。

顯然存在這種緊張局勢(shì)，我們不斷思考應(yīng)該如何為社區(qū)做出貢獻(xiàn)，但同時(shí)也要考慮如何展示并開(kāi)始獲得一些商業(yè)采用、企業(yè)交易等。現(xiàn)在，我們?cè)谶@方面做得很好。但這是一個(gè)非常動(dòng)態(tài)的事情需要考慮?；旧厦恐芪覀兌荚谒伎冀酉聛?lái)應(yīng)該在兩個(gè)系列上發(fā)布什么。

你們?cè)陂_(kāi)發(fā)模型方面是最快的，也是最快達(dá)到不同基準(zhǔn)水平的公司之一，而且在達(dá)到這些基準(zhǔn)水平方面的支出也是最少的。你認(rèn)為是什么讓你們比你們的前輩更快、更高效地行動(dòng)？

我們喜歡動(dòng)手。機(jī)器學(xué)習(xí)一直都是關(guān)于處理數(shù)字、查看數(shù)據(jù)，做很多次的轉(zhuǎn)換和加載等很多時(shí)候并不令人著迷的工作。我們雇用愿意做這些工作的人，這對(duì)我們的速度至關(guān)重要，這也是我們想要保持的一點(diǎn)。

除了 LLM ，你們還有幾個(gè)非常受歡迎的小型模型。你什么時(shí)候會(huì)告訴人們他們應(yīng)該花時(shí)間與你們合作進(jìn)行小模型工作，什么時(shí)候會(huì)告訴他們與你們合作進(jìn)行 LLM 工作？你認(rèn)為 Mistral 的經(jīng)濟(jì)機(jī)會(huì)在于做更多的大模型還是做更多的小模型？

這是每個(gè) LLM 提供商都已經(jīng)意識(shí)到的一個(gè)觀察，即一個(gè)尺寸并不適合所有。根據(jù)你想要的內(nèi)容，當(dāng)你開(kāi)發(fā)一個(gè)應(yīng)用時(shí)，你通常會(huì)調(diào)用不同的 LLM，有些應(yīng)該是低延遲的，因?yàn)樗鼈儾恍枰嗟闹悄?，但有些?yīng)該是更高延遲的，需要更多的智能。一個(gè)高效的應(yīng)用程序應(yīng)該同時(shí)利用這兩種模型，可能使用 LLM 作為小型模型的編排器。

挑戰(zhàn)在于如何確保一切順利進(jìn)行，使你最終得到的不僅是一個(gè)模型，而且是兩個(gè)模型加上一個(gè)調(diào)用你的模型、調(diào)用系統(tǒng)、調(diào)用函數(shù)的循環(huán)。

我們也想要解決的一些開(kāi)發(fā)者挑戰(zhàn)是如何確保這個(gè)系統(tǒng)能夠正常運(yùn)行，如何正確評(píng)估它，如何確保能夠進(jìn)行持續(xù)集成？如何從一個(gè)模型版本轉(zhuǎn)換到另一個(gè)模型版本，并確保你的應(yīng)用程序?qū)嶋H上得到了改進(jìn)而不是惡化。所有這些問(wèn)題都被各種公司解決了，但我們認(rèn)為這些也應(yīng)該是我們價(jià)值主張的核心。

你們看到在 Mistral 上構(gòu)建的一些最令人興奮的東西是什么？你們對(duì)社區(qū)正在做的事情，對(duì)客戶正在做的事情感到非常興奮的是什么？

舊金山灣區(qū)的幾乎每個(gè)年輕的初創(chuàng)公司都在使用它進(jìn)行微調(diào)，進(jìn)行快速應(yīng)用制作。實(shí)際上，Mistral 的價(jià)值之一就是它非常快。因此，你可以制作更多復(fù)雜的應(yīng)用程序。我們看到網(wǎng)絡(luò)搜索公司在使用我們。我們也看到了，所有突出的企業(yè)也是如此，比如知識(shí)管理、營(yíng)銷等等。能夠訪問(wèn)權(quán)重意味著你可以更好地傾注自己的編輯風(fēng)格。

我們看到了典型的用例。價(jià)值在于開(kāi)源部分是開(kāi)發(fā)者有控制權(quán)。他們可以在任何地方部署它們。他們可以擁有非常高質(zhì)量的服務(wù)，因?yàn)樗麄兛梢允褂脤Ｓ脤?shí)例，而且他們可以修改權(quán)重以滿足自己的需求，并將性能提升到接近最大模型的水平，同時(shí)成本更低。

接下來(lái)你認(rèn)為我們會(huì)從你們這里看到什么下一個(gè)大動(dòng)作？比如，你能透露一些即將到來(lái)的內(nèi)容，或者我們應(yīng)該從 Mistral 那里期待些什么。

當(dāng)然。我們有， Mistral Large 很不錯(cuò)，但還不夠好。我們正在努力改進(jìn)它。我們?cè)诟鱾€(gè)垂直領(lǐng)域有一些有趣的開(kāi)源模型，很快就會(huì)公布了。我們的平臺(tái)目前只是 API，有幾個(gè) API。因此我們正在努力實(shí)現(xiàn)定制化部分。這實(shí)際上就是微調(diào)部分。顯然，和許多其他公司一樣，我們?cè)诘龋⒃谖磥?lái)幾個(gè)月內(nèi)，我們也將發(fā)布一些。

這個(gè)房間里的許多人正在使用 Mistral 模型。我們每天在硅谷生態(tài)系統(tǒng)中與你們合作的許多公司已經(jīng)在使用 Mistral 。他們應(yīng)該如何與你們合作，以及他們應(yīng)該如何與公司合作？對(duì)他們來(lái)說(shuō)，最好的工作方式是什么？

嗯，他們可以聯(lián)系我們。我們有一些開(kāi)發(fā)者關(guān)系團(tuán)隊(duì)，他們真的在推動(dòng)社區(qū)發(fā)展，制作指南，還在收集使用案例，展示你可以用 Mistral 模型構(gòu)建什么。我們非常注重社區(qū)，這基本上是使模型更好的一部分。

我們正試圖建立的是，我們?nèi)绾潍@取評(píng)估、基準(zhǔn)測(cè)試、實(shí)際用例，以便我們可以對(duì)我們的模型進(jìn)行評(píng)估。了解人們正在使用我們的模型構(gòu)建什么也是我們能夠生成新的開(kāi)源模型的一種方式。

所以請(qǐng)與我們聯(lián)系，討論我們?nèi)绾螏椭懻撃愕氖褂冒咐?。我們可以宣傳它。我們也可以收集一些我們?yīng)該添加到我們的評(píng)估套件中的新評(píng)估的見(jiàn)解，以驗(yàn)證模型隨著時(shí)間的推移是否變得更好。

在商業(yè)方面，我們的模型可以在我們的平臺(tái)上使用。商業(yè)模型實(shí)際上比開(kāi)源模型效果更好。它們也可以在各種云服務(wù)提供商上使用，這樣就為企業(yè)的采用和定制能力提供了便利，比如微調(diào)，這確實(shí)增強(qiáng)了開(kāi)源模型的價(jià)值，并且很快就會(huì)到來(lái)。

你談到了在歐洲的好處，你已經(jīng)成為這個(gè)全球范例，展示了歐洲可以產(chǎn)生什么樣的偉大創(chuàng)新，并正在產(chǎn)生。更多地談?wù)剰姆▏?guó)建立業(yè)務(wù)的優(yōu)勢(shì)以及從歐洲建立這家公司的優(yōu)勢(shì)吧。

我猜有優(yōu)勢(shì)和劣勢(shì)，兩者都有。我想一個(gè)優(yōu)勢(shì)是你有一個(gè)非常強(qiáng)大的初級(jí)人才庫(kù)。因此，有許多來(lái)自法國(guó)、波蘭和英國(guó)的人可以在我們這里接受三個(gè)月的培訓(xùn)，迅速上手，基本上可以產(chǎn)出與舊金山灣區(qū)一百萬(wàn)美元工程師相當(dāng)?shù)墓ぷ髁?，成本卻只有十分之一，這在效率上是很高的，他們的勞動(dòng)力非常好。

工程師和機(jī)器學(xué)習(xí)工程師。一般來(lái)說(shuō)，我們得到了國(guó)家的很多支持，這在歐洲比在美國(guó)更重要。他們傾向于過(guò)快地過(guò)度監(jiān)管，正如我們一直告訴他們不要這樣做，但他們并不總是聽(tīng)。

總的來(lái)說(shuō)，像歐洲公司喜歡與我們合作，因?yàn)槲覀兪菤W洲公司，我們?cè)跉W洲語(yǔ)言方面更加優(yōu)勢(shì)，比如法語(yǔ)，法語(yǔ)模型實(shí)際上可能是市場(chǎng)上最強(qiáng)大的法語(yǔ)模型。我想這不算是一個(gè)優(yōu)勢(shì)，但至少有很多地理上的機(jī)會(huì)，我們正在利用。

從現(xiàn)在起五年后， Mistral 會(huì)處于什么地步？你認(rèn)為你們會(huì)取得什么成就？這個(gè)行業(yè)的景象會(huì)是怎樣的？

我們的打賭是基本上， AI 的平臺(tái)和 Infra 將是開(kāi)放的?；诖耍覀儗⒛軌騽?chuàng)建輔助工具，然后可能是自主代理。我們相信，通過(guò)成為最開(kāi)放的平臺(tái)，獨(dú)立于云提供商等方面，我們可以成為這個(gè)平臺(tái)。

在五年后，我對(duì)此的形態(tài)幾乎沒(méi)有任何想法。如果你看看 2019 年的情況，我不認(rèn)為你能預(yù)測(cè)到我們今天的情況，但我們正在向更加自主的代理不斷發(fā)展。我們能夠完成越來(lái)越多的任務(wù)。我們的行走方式將會(huì)發(fā)生根本性的改變，制作這樣的代理和輔助工具將會(huì)變得越來(lái)越容易。

所以現(xiàn)在我們專注于開(kāi)發(fā)者世界。但我預(yù)計(jì)， AI 技術(shù)本身是如此容易通過(guò)人類語(yǔ)言來(lái)控制，以至于在某個(gè)時(shí)候，開(kāi)發(fā)者會(huì)成為用戶。因此，我們正在朝著任何用戶都能夠創(chuàng)建自己的輔助工具或自主代理的方向發(fā)展。我相當(dāng)確定，五年后，這將成為一項(xiàng)學(xué)校中的教學(xué)內(nèi)容。

你如何看待未來(lái)開(kāi)源與商業(yè)模型在你公司的發(fā)展中的作用？就像你一開(kāi)始制造了開(kāi)源軟件，如你所提到的，一些商業(yè)模型現(xiàn)在甚至更好。你認(rèn)為在未來(lái)幾年內(nèi)這會(huì)如何發(fā)展？

我想我們優(yōu)化的一件事就是能夠持續(xù)制作開(kāi)源模型，并建立一個(gè)可持續(xù)的商業(yè)模式，以真正推動(dòng)下一代的發(fā)展。正如我所說(shuō)的，這將隨著時(shí)間的推移而演變。

為了保持相關(guān)性，我們需要在某些方面保持制作開(kāi)源模型的最佳解決方案，至少是在某個(gè)領(lǐng)域。這在很大程度上決定了我們能做些什么，保持在開(kāi)源世界中的相關(guān)性，成為開(kāi)發(fā)者的最佳解決方案，確實(shí)是我們的使命，并將繼續(xù)努力。

除了 Sequoia 的合作伙伴之外，肯定有人有問(wèn)題，Llama3 和 Facebook 以及你們?nèi)绾慰创c它們的競(jìng)爭(zhēng)？

嗯，我擔(dān)心他們正在致力于制作模型，但我不確定它們會(huì)是開(kāi)源的。我不知道那里發(fā)生了什么。到目前為止，我們交付速度更快、模型更小，所以我們希望繼續(xù)這樣做。

總的來(lái)說(shuō)，開(kāi)源的好處是永遠(yuǎn)不會(huì)太多競(jìng)爭(zhēng)。因?yàn)橐坏┠阌辛?，如果你有幾個(gè)行動(dòng)者，通常這應(yīng)該有利于每個(gè)人。如果他們最終變得非常強(qiáng)大，將會(huì)有一些協(xié)調(diào)，我們將歡迎。

你們與 Snowflake 和數(shù)據(jù)庫(kù)等公司的合作使你們與其他專有模型提供商不同。例如，與其只是擁有 API 連接，你們?cè)谒麄兊脑浦羞\(yùn)行。你能說(shuō)說(shuō)為什么你們做了這些交易，以及你如何看待未來(lái)，比如 Databricks 或 Snowflake 在全新的 LM 世界中的發(fā)展？

我想你應(yīng)該問(wèn)他們。一般來(lái)說(shuō)，如果 AI 模型與數(shù)據(jù)和基礎(chǔ)信息相關(guān)聯(lián)，那么它們就會(huì)變得非常強(qiáng)大。事實(shí)上，企業(yè)數(shù)據(jù)通常存儲(chǔ)在 Snowflake 或 Databricks 上，有時(shí)也存儲(chǔ)在 AWS 上。

因此，對(duì)于客戶來(lái)說(shuō)，能夠?qū)⒓夹g(shù)部署在數(shù)據(jù)所在的地方是相當(dāng)重要的。預(yù)計(jì)這種情況將繼續(xù)下去，尤其是因?yàn)槲蚁嘈盼覀儗⑥D(zhuǎn)向更加狀態(tài)化的 AI 部署。

今天我們部署了幾個(gè) API，沒(méi)有太多的狀態(tài)。它實(shí)際上就像 Lambda 函數(shù)一樣，但隨著我們向前發(fā)展，隨著我們使模型越來(lái)越專業(yè)化，隨著我們使模型更加適用于用例，隨著我們使模型更加自我完善，你將不得不管理狀態(tài)，而這些可能實(shí)際上是數(shù)據(jù)云的一部分。有一個(gè)問(wèn)題是你把 AI 的狀態(tài)放在哪里。Snowflake 和數(shù)據(jù)庫(kù)希望它放在他們的平臺(tái)上。

很好奇你在開(kāi)放性和專有性之間劃界的位置。你們釋放了權(quán)重。你是否也愿意分享更多關(guān)于你們?nèi)绾斡?xùn)練模型的信息，如何收集數(shù)據(jù)的配方，如何進(jìn)行專家混合訓(xùn)練，或者你只是在權(quán)重和其他內(nèi)容上劃線，如何收集數(shù)據(jù)的配方，如何進(jìn)行專家混合訓(xùn)練，或者你只是在權(quán)重和其他內(nèi)容上劃線。

這是我們的底線。這樣做的原因是這是一個(gè)非常競(jìng)爭(zhēng)激烈的領(lǐng)域。與收入的張力一樣，為了維持下一代的發(fā)展，還有關(guān)于你到底公開(kāi)什么以及什么不公開(kāi)的張力。

再次強(qiáng)調(diào)，這是一個(gè)動(dòng)態(tài)的界線。如果每個(gè)人都開(kāi)始這樣做，那么我們也可以這樣做。但目前，我們不愿意冒這個(gè)風(fēng)險(xiǎn)。

實(shí)際上，我很好奇當(dāng)另一家公司發(fā)布一個(gè)像 Grok 這樣的模型的權(quán)重時(shí)，你們內(nèi)部會(huì)做些什么來(lái)學(xué)習(xí)它。你不能從權(quán)重中學(xué)到很多東西。我們甚至都沒(méi)有看。它實(shí)際上對(duì)我們來(lái)說(shuō)太大了，我們無(wú)法部署，我猜他們?cè)谑褂靡环N混合專家的標(biāo)準(zhǔn)設(shè)置，還有一些我了解的小技巧。

從配方中學(xué)到的東西并不多，通過(guò)查看權(quán)重，你可以嘗試推斷一些東西，但逆向工程并不容易。它基本上是壓縮信息，將信息壓縮得足夠高，以至于你無(wú)法真正找出發(fā)生了什么。

好奇你們將專注在哪些模型尺寸上？你的意見(jiàn)是否是你們將繼續(xù)制作小型模型，還是會(huì)做更大的模型？

模型尺寸有點(diǎn)由規(guī)模加載確定。這取決于你擁有的計(jì)算資源，取決于你要使用的計(jì)算 Infra ，你會(huì)做出一些選擇。你要為訓(xùn)練成本和推理成本進(jìn)行優(yōu)化。

顯然，在權(quán)重之間還有一些因素，根據(jù)你對(duì)訓(xùn)練成本攤銷的權(quán)重，你可以壓縮模型。但基本上，我們的目標(biāo)是低延遲并且在推理方面具有相關(guān)性。這意味著我們會(huì)有一個(gè)從小型模型到非常 LLM 的模型家族。

是否有任何計(jì)劃讓 Mistral 擴(kuò)展到應(yīng)用程序堆棧？例如， OpenAI 發(fā)布了定制 GPTs 和 Assistant API，這是你認(rèn)為 Mistral 將采取的方向嗎？

正如我所說(shuō)，我們真正專注于首先開(kāi)發(fā)者，但是對(duì)于這項(xiàng)技術(shù)來(lái)說(shuō)，開(kāi)發(fā)者和用戶之間的界限是相當(dāng)薄弱的。這就是為什么我們發(fā)布了一個(gè)助手演示工具，叫做 Lusha，它是英語(yǔ)中的貓，這里的重點(diǎn)是向企業(yè)提供服務(wù)，使他們能夠連接他們的數(shù)據(jù)，連接他們的上下文。

這滿足了我們客戶的一些需求，我們與許多我們交談過(guò)的人都愿意調(diào)整這項(xiàng)技術(shù)，但是他們需要一個(gè)入口，如果你只是給他們一些 API，他們會(huì)說(shuō)，好吧，但我需要一個(gè)集成商。

然后，如果你沒(méi)有一個(gè)集成商出席，這種情況往往如此，那么如果你有一個(gè)非社交解決方案，至少可以讓他們接受這項(xiàng)技術(shù)，并向他們展示他們可以為汽車業(yè)務(wù)構(gòu)建什么。這就是為什么我們現(xiàn)在有兩個(gè)產(chǎn)品提供的原因。第一個(gè)是平臺(tái)，然后我們有 Lusha，這應(yīng)該發(fā)展成為一個(gè)企業(yè)的標(biāo)準(zhǔn)解決方案。

在什么時(shí)候你會(huì)劃清界限，停止進(jìn)行問(wèn)題工程，開(kāi)始進(jìn)行微調(diào)？因?yàn)槲业脑S多朋友和我們的客戶都在痛苦地考慮他們應(yīng)該停止進(jìn)行更多的問(wèn)題工程。

我認(rèn)為這是項(xiàng)目中很難解決的頭等痛點(diǎn)。問(wèn)題是，通常你的工作流程應(yīng)該是，你應(yīng)該評(píng)估什么？并基于此，讓你的模型找到一種解決你的任務(wù)的方法。

現(xiàn)在，這仍然有點(diǎn)手工。你會(huì)有幾個(gè)提示版本，但這是一些實(shí)際上 AI 可以幫助解決的問(wèn)題。我預(yù)計(jì)這將隨著時(shí)間的推移越來(lái)越自動(dòng)化。這是我們?cè)敢鈬L試和實(shí)現(xiàn)的事情。

作為 AI 前沿的創(chuàng)始人，你是如何平衡探索和利用的？你自己如何保持對(duì)一個(gè)不斷發(fā)展、日益龐大和深入的領(lǐng)域保持領(lǐng)先地位，你是如何應(yīng)對(duì)的？

這個(gè)問(wèn)題在科學(xué)部門、產(chǎn)品部門和商業(yè)部門都有探索。平衡的方式對(duì)于一家初創(chuàng)公司來(lái)說(shuō)確實(shí)很困難。你必須進(jìn)行大量的開(kāi)發(fā)，因?yàn)槟阈枰焖俳桓?。但是就科學(xué)部門而言，我們有兩三個(gè)人專門負(fù)責(zé)下一代模型的研究，有時(shí)候他們會(huì)浪費(fèi)時(shí)間。如果你不這樣做，你就有可能變得無(wú)關(guān)緊要。

對(duì)于項(xiàng)目部門來(lái)說(shuō)，這也是非常真實(shí)的。能夠嘗試新功能并看看它們的效果是我們必須做的事情。在商業(yè)部門，你永遠(yuǎn)不知道誰(shuí)實(shí)際上已經(jīng)成熟到可以使用你的技術(shù)。

開(kāi)發(fā)和探索之間的平衡是我們?cè)诳茖W(xué)水平上很擅長(zhǎng)的，因?yàn)槲覀円呀?jīng)做了多年了，而且這種平衡在項(xiàng)目和商業(yè)方面也會(huì)體現(xiàn)出來(lái)。但我想我們目前還在學(xué)習(xí)如何正確地做到這一點(diǎn)。

在 2 年的范圍內(nèi)，發(fā)布了 LLM 、小型模型，這些模型像風(fēng)暴一樣席卷了世界。具有強(qiáng)大的市場(chǎng)推廣合作伙伴關(guān)系，你們?cè)?AI 生態(tài)系統(tǒng)的中心勢(shì)頭強(qiáng)勁。你會(huì)給這里的創(chuàng)始人什么建議？你所取得的成就確實(shí)非同尋常。對(duì)于在不同級(jí)別開(kāi)始、運(yùn)行和建立自己的企業(yè)以及 AI 機(jī)會(huì)周圍的人，你會(huì)給予什么建議？

我想說(shuō)的是，永遠(yuǎn)是第一天。我想，我們獲得了一些心智份額，但是還有許多證明點(diǎn)需要建立。作為創(chuàng)始人，基本上每天都會(huì)醒來(lái)，發(fā)現(xiàn)你需要每次都從零開(kāi)始構(gòu)建一切。這有點(diǎn)令人筋疲力盡，但它也是夸張的。我建議要有很高的抱負(fù)，通常更有抱負(fù)可以使你走得更遠(yuǎn)。你應(yīng)該胸懷大志，這將是我的建議。