问模型一个问题,它答得出,说明它有知识。让它做一件事,它做得到,说明它有技能。这两件事在模型里不是一回事。
知识和技能的区别在哪?
知识是知道什么,技能是知道怎么做。知道税率是多少是知识,会算一张报表是技能。
模型的知识存在权重里,技能存在生成路径里。前者靠读,后者靠练。
为什么知识好学,技能难练?
因为知识是静态的对应关系,技能是动态的操作序列。前者可以用预测下一个词学会,后者要求多步正确且中间不能崩。
一步错,后面全错。这类任务对训练信号的密度要求高得多。
技能能不能从知识里长出来?
能长出一部分。读过大量操作描述,模型能模仿流程。但模仿出来的技能脆,遇到异常就断。
真正的技能要求异常处理能力,这只能从失败样本里学。
为什么企业常高估模型的技能?
因为演示都选顺利路径。文档写得好,流程跑得通,看起来什么都会。真实场景有脏数据、有例外、有人为干扰,一上就崩。
评估要专门设计脏样本,不能只看顺利路径。
怎么补技能?
三步。一是拆解,把技能拆成可验证的原子步骤。二是补失败样本,专门喂异常和边界。三是加校验,每步输出都要能被下一步检查。
第三步是工程关键。没有校验的技能链,错误会静默传递。
知识和技能哪个更值钱?
知识便宜,因为可检索、可外挂。技能贵,因为要针对场景打磨。
这也解释了为什么企业知识库项目报价低,流程自动化项目报价高。前者卖检索,后者卖技能。
这对个人发展有什么启发?
别只积累知识,要积累可验证的技能。能说出怎么做不算,能做到才算。
对 AI 也一样。别问它会什么,问它在什么条件下会失败。
知道边界,比知道能力更有用。
同簇还有哪几篇值得一起看?
想就这个话题接着到论坛聊吗?
前往 ziyuanagi.com 论坛 参与讨论