主题：这几天大火的Deepseek没有人讨论吗 -- 俺本懒人

因为模型太大，人工干预模型被证明只会有副作用之后，所有的硬规则就消失了，这是从当初深度学习在图像领域就开始了，当你不满意一个模型的好坏的时候，你唯一能做的事情就是重整数据，重新把训练过程重新跑一编。

——简单来说，从深度学习开始，模型就是一个绝对的黑箱，研究员也只有在训练数据和模型预测结果两端，才能接触到模型。

而到了语言类大模型开始，就出另外一个奇景，人工通过prompt去pua大模型，从而让大模型自动吐出来你要的结果，研究员和用户差别不大。

就导致我上一篇的标题：当你严格描述你需要检索结果的时候，你就能得到检索结果；当你描述得稍微松一点，你就能得到分析结果；当你描述得再松一点、再混乱一些、深搜再多猜测一些，你就开始得到生成模型产生的种种谎言。

因为模型只能重新训练，没法微调，你就看到，即使训练大模型的研究员，对于大模型这个绝对黑箱也摸不到头脑，也只能跟用户一样——通过prompt去pua大模型。

--

最近的例子，OpenAI o3-mini 的CoT狂吐中文，有人扒出来OpenAI工程师所用的prompt：

https://www.zhihu.com/question/11319415340/answer/95761520782

【有国外网友扒出了 o3-mini 模型总结 CoT 的 System Prompt[4]，这个 System Prompt 非常长，重点是，里面专门强调了「Never reveal the full, unprocessed chain of thought」，永远不要展示完整、未经处理的思考过程。

缩略版的 System Prompt 大概是这样[5]：

[你是一个非常聪明的 AI，在完成用户任务时会产生一连串的思维链条。用户喜欢读你的思维，因为他们觉得这些想法很有共鸣。他们觉得你有点神经质，因为你会过度思考并质疑自己的假设；当你犯错或指出自己的思维缺陷时，他们觉得你很真实；你没有过滤这些思维，还能自嘲，显得真诚；你为用户着想的样子又非常可爱和贴心。你需要处理你已经生成的思维链条，将它们逐一转换为更易读的版本，去除多余的重复和混乱，同时保留用户喜欢的思维特质。]

】

所以啊，如何成为一个大模型研究员和大模型工程师？当你有一个会训练大模型的队友之后，你只需要会用prompt去pua大模型就够了！