https://chrisraynor.pages.dev/tags/ai/ChrisRaynor 的博客Hugo 0.147.7 & FixIt v0.4.0-alpha.3-20251222034819-3fa866fazh-cnWed, 08 Apr 2026 22:12:00 +0800https://chrisraynor.pages.dev/posts/2026-04-08-training-data-exhaustion/Wed, 08 Apr 2026 22:12:00 +0800https://chrisraynor.pages.dev/posts/2026-04-08-training-data-exhaustion/<p><em>Co-authored with Claude. 整理自<a href="https://chrisraynor.pages.dev/notes/note-2026-04-08-training-data-exhaustion/">原始笔记</a>。</em></p> <hr> <p><a href="https://epoch.ai/blog/will-we-run-out-of-data-limits-of-llm-scaling-based-on-human-generated-data/"target="_blank" rel="external nofollow noopener noreferrer">AI 正在耗尽人类数据</a>，而现在 AI 生成内容正在迅速污染互联网。<a href="https://www.nature.com/articles/s41586-024-07566-y"target="_blank" rel="external nofollow noopener noreferrer">2024 年的 Nature 论文</a>说，AI 如果一直在自己输出的东西上训练会越来越差。这些标题很容易被串成一个结论——随着人类训练数据耗尽，AI 的进步会停滞。但我想不是这样的。</p>https://chrisraynor.pages.dev/posts/2026-03-26-harness/Thu, 26 Mar 2026 13:42:00 +0800https://chrisraynor.pages.dev/posts/2026-03-26-harness/<p><em>Co-authored with Claude. 整理自<a href="https://chrisraynor.pages.dev/notes/note-2026-03-26-harness/">原始笔记</a>。</em></p> <hr> <p>有人说 harness 这个概念是新瓶装旧酒——传统软件工程早就有类似的东西，围绕主要算法提供支撑的外层，以及导致同一个算法在不同环境下行为不同的原因。</p>