AI为什么不说人话了,病根在省算力

24小时AI快讯2个月前发布 changgong
3.2K 00
每日AI快讯

早上打开 Claude,验收前一夜写好的代码,屏幕上蹦出来一行字,账本全绿,单腿哑火,同波大删除。我盯着看了半天,没反应过来这是在给谁交作业。这几行出自一个 AI 模型,读起来却像某家大厂内网上流传的黑话。

放到一年前,这种场面还算新鲜。到了现在,身边写代码的人大多遇到过,AI 交付的汇报得逐字猜意思,猜错了还得重新问一遍。

一、AI 交作业,我先看懵了

事情不复杂。有人在社交平台上晒出让 Claude 验收代码的结果,返回的说明里塞满没见过的词,单腿哑火、同波大删除、对拍、换皮。每个字都认识,连起来读不通。

往下翻评论区,吐槽的帖子一抓一大把。有人嫌代码底座不合适,吵着要「换皮」;有人刚从备忘录切回来,就在终端里接着往下干;还有人自封验尸官,去代码库里抓「僵尸」。

看多了会发现,几个主流编码模型的说话方式都开始跑偏,名字里带 Coding 的尤其明显。

二、满屏黑话,真不只是段子

黑话听着好笑,落到工作里就不轻松了。

一段本该交代改了什么、验证了什么、还留着什么风险的汇报,被压缩成几个名词加几条「铁律」。读的人得先做一轮翻译,才能判断这次改动能不能信。

翻译这关还不一定过得去。有人指出,单腿哑火对应的原意基本就是 one leg is dead,在编程语境里指互为备份或并行的两条路径坏了一条,本身很正常。可这层意思,不熟悉英文技术圈的人根本接不住。

于是问题从「AI 会不会写代码」,变成了「AI 写完之后,人还得花多少时间把它的话译回来」。多出来的这一轮翻译,最后都得算进交付成本。

三、省下来的 Token,把话省没了

为什么会这样,绕不开两个词,过拟合和 Token。

编码能力刷得太狠是一层原因。模型在代码任务上被反复打磨,顺带把技术圈里最省事、最口语化的那套表达也学了进去。

另一层更值得琢磨。为了把推理成本压下来,不少模型厂商把思考过程调成了极简风格,能省的字全省。OpenAI 很早就这么做,GPT 的思维链默认隐藏,几个月前有开发者在调试时偶然看到了它的样子,几乎全是名词堆叠,助词、连接词统统砍掉。

同样一句话,这种极简的思考方式消耗的 Token 能少掉七成左右,省下来的都是实打实的算力。

这套做法还催生了一个公开项目。GitHub 上有个叫 CaveMan 的 Skill,思路只有一句,能用一个字的绝不用两个字,专门教 AI 压缩表达。它火过一次,如今星标数已经过了十万。

看完这个数字,我愣了一下。按同样的路子继续做,如果专门给中文来一版,压缩到极致的样子,离文言文就不远了。

四、被压缩了两千年的中文

把文言文和 AI 省字扯到一起,起初像个玩笑,往下想却站得住。

中文本就是一套表意文字系统。一个字往往就是一个完整的概念,甚至一个动作,字本身就是语义,天生比拼写型文字省地方。为了在竹简上多写下几个字,前人又在这个基础上压了一道,主语、助词大幅删减,语序也帮你固定好,这就是文言文。

有网友 Susan STEM 的说法是,中文尤其是文言文,是极少数在计算机出现之前就被系统性压缩过的自然语言,甚至可能是唯一一种。

别的语言也讲究。拉丁语、古希腊语、梵文、阿拉伯语,各有各的精密,只是它们追求音义准确、语法漂亮,很少有语言像中文这样,被当成一项压缩工程,认真做了几千年。

照这个说法,中文几乎就是给模型量身定做的一门母语。

五、有人真把文言文写成了代码

更早一步的事发生在二〇一九年。那一年,真有人把文言文写成了一门编程语言。

项目名叫「文言」,英文名 wenyan-lang,作者黄令东,当时还在卡内基梅隆读计算机和艺术的交叉学科。项目一发布就传开了,到今天在 GitHub 上攒了两万颗星。

它完全照着文言文的文体和语气来设计,字符表里只有繁体汉字和「」这两种引号。写一段 Hello World 是这样,吾有一言。曰「天地,好在否」。书之。机器输出的是「同天地好在」。

这段代码原样丢回两千年前,读《论语》的人大概也能看懂个七八分。

照这个逻辑,苏格拉底提问法可以往后再放一放。在压缩文字这件事上,老祖宗才是最早动手的那批人。

六、参数涨到 10T,会说人话成了稀缺

绕回来问一句,眼下还有说话正常的模型吗。有,指向挺集中,谷歌的 Gemini。

社区里的评价转向不算慢。前段时间谷歌发 Gemini 3.8 Flash,评论区里帮着说话的人明显多了,理由也简单,它还能正常沟通。之前不管发什么都挨冲的场面,这次没重演。

原因可能不只落在语言风格上。Gemini 输出的排版本身就下了功夫,缩进块、斜体、列表、留白,左侧还有一条贯穿的辅助线,一眼扫过去层次清楚,噪音少,信号足。

编码这场仗打到现在,参数量从几百 B 涨到 10T,各家都在压缩表达这条路上使劲。绕了一圈,能把话说利索的模型反倒成了少数。

对做产品的人来说,这一点值得记下来。当理解和生成能力逐渐拉平,用户能直接感知的差距,往往就落在表达和排版这些细节上。

如果你也被 AI 的汇报整懵过,不妨留意一下自己用的模型,它交回来的东西,你要翻译几遍才敢信。

© 版权声明

相关文章

暂无笔记

您必须登录才能记录笔记!
立即登录
none
暂无笔记...