今天我想跟大家聊一个特别有意思的话题——大模型的“自我进化”。这事儿得从昨天我在网上看到的一个案例说起，然后一步步带大家看看大模型的“眼高手低”、自我批评的潜力，还有一些让人脑洞大开的优化方式。准备好了吗？咱们开始吧！
老规矩，喜欢看视频的直接点击下面的，想听音频的欢迎在小宇宙和苹果播客上搜索“精分派”收听。
一、DeepSeek R1眼中的巴菲特与Grok 3的挑刺
昨天我在网上刷到一个帖子，有人用DeepSeek R1这个模型分析了巴菲特的投资风格，得出了一个挺有意思的结论。DeepSeek R1说：“价值投资需要一种性格筛选机制——在群体癫狂时保持理性，比如2008年金融危机巴菲特买入银行股；在长期寂寞中坚守认知，比如他持有可口可乐超过30年。这种特质跟智商无关，而是跟神经科学挂钩——前额叶皮层能不能压住杏仁核的恐惧和贪婪反应。研究表明，这种决策模式更多取决于先天神经结构，后天训练几乎改不了。”
我一看，哇，这分析挺带劲啊，从神经科学的角度切入，听起来很高大上。但再一想，又觉得有点不对劲——“后天极难改变”这话是不是太绝对了？巴菲特自己不也说过，阅读和思考的习惯对他投资决策帮助很大吗？这不就是后天努力的证据？
幸好，我和 Deepseek R1 打交道多了，知道它非常喜欢讨论心理学，甚至之前它在讨论文字风格模仿时，还给我指定过一个通过脑神经优化来习得文字风格的训练机制，但后来才发现近乎于胡诌。
于是我把这段话发给了Grok 3，想看看它怎么说。
Grok 3果然没让我失望，它直接开怼：“‘后期极难通过训练改变’这话太武断了。虽然神经结构的‘硬件’——比如皮层厚度——成年后确实难改，但神经可塑性表明，大脑的功能连接可以通过长期训练改善。比如认知行为疗法（CBT）或者冥想训练，都被证明能增强前额叶对杏仁核的调控。巴菲特也提到过阅读和思考对他有帮助，这说明后天经验不是完全没用。所以，‘极难改变’夸大了先天的作用，后天努力还是能弥补一些不足的。”
Grok 3还顺手优化了一下原文，改成了：“价值投资需要的性格特质——在群体癫狂时保持理性、在长期寂寞中坚守认知——不仅靠智商，更跟前额叶对杏仁核的调控能力有关。研究表明，这部分受先天神经结构影响，但通过长期训练，比如养成认知习惯，后天仍有一定改善空间。”你看，这改得多自然，既科学又不那么咄咄逼人。
这个过程让我特别兴奋。一个模型生成内容，另一个模型挑刺，最后得出更靠谱的结论，这不就是一种“批评与自我批评”的实践吗？我觉得这事儿值得深挖，咱们接着聊。
二、大模型的“眼高手低”是怎么回事？
看到DeepSeek R1和Grok 3的互动，我突然想到一个现象——大模型好像都有点“眼高手低”。啥意思呢？就是它们输出的东西有时候不尽如人意，但它们自己能看出问题在哪儿。比如DeepSeek R1写了个分析，乍一看挺唬人，但细看有点偏颇；而Grok 3一上手，就能指出问题，还能优化得更好。这让我好奇，这种“眼高手低”到底是怎么来的？
后来我跟Grok 3聊了聊，它从理论角度给我掰开了揉碎了分析。大模型的生成过程是基于概率预测的，比如预测下一个词是什么，倾向于挑高概率的“安全”选项，像“天气很好”这种中庸表达。但它们评估的时候，能调用更广的上下文和训练数据里的模式，发现“哎呀，这太简单了，应该更生动点”。这就导致“手”——生成能力——跟不上“眼”——评估能力。
还有个原因跟架构有关。大模型用的是自回归方式，一步步生成内容，每步都追求局部合理，但整体可能平平无奇。事后一看，它们能从全局视角发现问题，比如逻辑不连贯或者缺乏创意。这种不对称让我想到，模型其实有点像新手写作者：写的时候稀里糊涂，回头一看却能挑出一堆毛病。
我觉得这挺有意思的。“眼高手低”虽然是个短板，但也说明模型有自我提升的潜力。如果能让它们把“眼”的洞察力用在“手”上，是不是就能输出更好的东西？这就引出了我接下来的想法——“自优化”。
三、“批评与自我批评”：大模型的进化之路
既然大模型能看出自己的问题，那能不能让它们自我审核、优化呢？我管这叫“自优化”。比如我让Grok 3写段关于“人工智能未来”的文字，它先说：“人工智能未来会很厉害，可能改变我们的生活方式。”然后它自己一反思，觉得太泛了，就改成：“人工智能的未来充满潜力，可能会通过精准医疗延长寿命、在教育中实现个性化教学，甚至推动无人驾驶普及，深刻改变我们的生活。”你看，这不就从平淡变生动了吗？
但光靠自己批评可能不够，因为模型难免有盲点。这时候我就想到DeepSeek R1和Grok 3的案例——何不引入“他者批评”呢？我管这叫“批评与自我批评”。一个模型生成初稿，另一个模型挑刺，最后再综合优化。这种跨模型协作就像人类团队，一个写草稿，一个审稿，效果肯定比单打独斗强。
回到巴菲特的例子，DeepSeek R1的分析有点绝对化，但Grok 3从外部视角补充了神经可塑性和后天训练的证据，让结论更平衡。这种过程让我觉得，大模型不应该是孤立的“黑盒”，而是可以互相协作、互相补台的工具。如果以后AI系统能内置这种机制，自动完成多轮批评和优化，那得多牛啊！
其实包括审稿也可以，只要是大模型，都会有幻觉，也就是一本正经的胡说八道。但很多时候我们希望它输出的内容完全是基于我们提供的素材。但很可惜，大模型无法 100%做到这一点。我看过一份Github 上关于大模型幻觉的评测，作者让大模型们去对 1000 篇文章进行综述，并用专门为审核事实优化的大模型去评判，觉过发现即使是最优秀的 Gemini 2.0 Flash，也有 0.7%的幻觉。
至于大家喜欢用的 Deepseek R1，幻觉率你猜有多少，吓死人的14.3%。作为对比，Deepseek 发布的上一代非深度思考模型 Deepseek V3，幻觉率也不过3.9%。
这时候，让幻觉低的大模型去对比原始素材和其他大模型生成的素材，查找失实不靠谱的地方，就成为我非常喜欢的一种实践了。
四、事后批评 vs 事前深度思考：殊途同归？
说到优化，我又想到一个问题：大模型生成时倾向于“中庸”，是因为它们基于概率分布选了常见选项。那能不能通过反思或者深度思考，改变这个分布，提升质量呢？这让我想到两种方式：事后批评和事前深度思考。
事后批评就是像Grok 3那样，先输出内容，再回头审视调整。比如它发现“人工智能会很厉害”太笼统，就加点具体例子，间接引导下一次生成更优质的内容。这种方式像试错加修正，简单直接，但需要多轮操作。
事前深度思考则不同。像Deepseek R1这样的深度思考模型，会在输出前先推理一番。比如回答“天气如何影响心情”，它可能会先想“天气→光照→生物钟→情绪”，然后直接生成更有逻辑的答案。这种方式把优化前置，初稿质量就更高，但要求模型有强的推理能力。
我问了Grok 3，它说这两种方式本质上都在克服“中庸”倾向，推高优质选项的概率。事后批评是先生成再修，事前思考是先修再生成，一个像“写完改”，一个像“想好写”。我觉得这两种方式各有千秋，结合起来可能更厉害——先深度思考出个好初稿，再批评优化一遍，质量不得起飞？
五、从DeepSeek R1的幻觉到嫁接实践
说到深度思考，我得提一提DeepSeek R1的现状。很多人觉得它作为深度思考模型，推理过程很精彩，但输出时幻觉太多，不太靠谱。比如分析巴菲特时，它说得头头是道，但“后天极难改变”这种结论明显站不住脚。这让我想到，DeepSeek R1的推理能力是不是被生成端的短板拖了后腿？
社区里已经有人开始解决这个问题了。比如有个叫DeepClaude的版本，把DeepSeek R1的思考交给Claude 3.5 Sonnet去输出。还有类似的DeepGemini，用Gemini 2.0 Pro来接力。这种“嫁接”思路特别聪明——让DeepSeek R1专注推理，Claude或Gemini负责把结果打磨成靠谱的答案。
我觉得这很像“批评与自我批评”的延伸。DeepSeek R1思考优秀但生成不行，就请个帮手润色。这种分工协作不仅提升了实用性，还展现了模块化思维——大模型不用啥都会，可以按需组合。就像人类团队，一个研究员出思路，一个编辑润稿，最后效果比谁单干都好。
当然，这种嫁接也有挑战。比如两个模型的风格可能不搭，计算成本也更高。但我还是很看好这种尝试。你觉得这种嫁接是不是未来AI的一个方向？
六、总结与展望
聊到这儿，我想总结一下。大模型的“眼高手低”是个普遍现象，但也给了我们优化的空间。通过“批评与自我批评”，无论是自我反思还是跨模型协作，都能让输出更靠谱。事后批评和事前深度思考，一个修补，一个预防，殊途同归。而像DeepClaude这样的嫁接实践，则让我们看到模块化AI的潜力。
我觉得这些探索特别有意义。大模型不再是冷冰冰的工具，而是可以协作、反思甚至“进化”的存在。未来，我希望看到AI系统能自动完成这些优化过程，给我们更聪明、更贴心的体验。
