重新审视这条来自四月的推文，因为对大型语言模型(LLM)能力的共同理解差距正在*扩大*。现在不再是"两组人各说各话"，而更像是一个尖锐的漏斗。- 预计约有60亿人（约占人口的75%）几乎完全没有接触过LLM。- 大约有10亿到20亿人（约占20%）是ChatGPT类似产品的休闲和偶尔用户。这个群体看到的只是一些笨拙的聊天机器人，并将其视为更好的谷歌搜索、写作辅助工具等。也许有个代理试图为你预定航班。我有一些非科技朋友（在我看来是合理的）表示他们几乎用不着这个工具。即使是许多非数学和编程领域的专业人士也属于这一层级。例如，管理人员和其他许多职能的人员花费不少时间与其他人沟通，因此尽管他们在智力上理解发生了什么，但仍然是二手信息，有点抽象。- 现在我们进入到数学和编码领域前沿级LLM的专业使用。大约有200万人（0.2%）亲身看到那些曾经需要几周或几个月完成的大型复杂项目，现在可以通过提示让代理完成。构建应用程序、复制应用程序、翻译应用程序、从二进制文件反编译应用程序……这一切发生得非常迅速，最近不到一年前，我仍然在手动编写代码，一个字符一个字符地输入记住的计算机代码命令，有时按Tab键自动完成一小段代码。- 最后，我们到达了大约5000人（约占0.00006%）内部能够访问前沿级系统的用户。外部世界已看到预览。看起来是成千上万的代理在数周内协作处理软件大项目：产生零日漏洞、以机器速度进行网络攻击和防御、发现新科学、推动数学前沿。这些事情通常需要行业顶尖专业人士耗费多年的工作来完成。与此同时，人类的审阅和理解开始落后。例如，人们仍在参与数月前OpenAI-HF事件的"考古"工作。数学家们可能还会研究722篇关于前沿数学的手稿有一段时间。这个漏斗是由一系列因素驱动的：1. 影响力随着雄心、问题规模和时间范围而扩大。一个需要用段落回答的问题几乎不会给系统施加压力。你需要储备一些你真正关心的大型复杂问题。这个方面推动了漏斗的消费者/专业人士维度。2. 系统的崎岖（我已经单独对此写过很多）。能力在数字化、可验证和经济有价值的领域达到巅峰。这是因为LLM能力来源于在有可验证的奖励和由收入潜力驱动的筛选环境中进行的强化学习。这个方面主要推动了漏斗的区域（例如数学和编码）维度。3. 访问权限。免费层、付费层、内部访问。因此，这就是当前时刻的奇怪之处。公众大多数没有与这些系统进行互动。即使有，与之互动的也仅仅是一种笨拙的聊天机器人。大多数专业人士依然只看到了一定程度的提升。而一小部分专业人士则体验到了曲线走向垂直的眩晕。这一切都在同一时间发生。