TimePPT

@xiaohupro 不用客气，也不是啥普及，只是感觉最近拿着大模型锤子找钉子的人越来越多了😂

另外补充下，我第一条想表达其实是，虽然大模型能获取到更多用户主动发送的信息，但其实，这种挖掘并没有比传统方法高到哪里去。
主要原因也还在：
1. 和 LLM 对话的信息量级远少于在线推荐系统的反馈，也就是说，这类特征更加稀疏——从使用频次、时长上来说都是这样。
2. 非结构化数据挖掘整理到结构化，这个成本比直接的结构化数据要高。
3. 对普通用户来说，张口表达把问题问清楚，把 context 讲清楚，这个要求远高于让他们去点/划表达喜恶——咱们冷静想想，搜索引擎出现二十年了，真正善用搜索的人有多少？简单几个 Keyword 都数不清楚的普通人，有几个能明白现在 LLM 的那些 Prompt 技巧？

@xiaohupro 另外，多模分析也不是今天才有的，抽帧截图做实体识别，七八年前业内就开始做了，从搜索推荐到内容审核现在广泛应用。只是现在这波让这些技术更多暴露在了非从业者眼前罢了。

@xiaohupro 从业者表示，根本不用这么麻烦，几个大厂通过非 LLM 做的用户画像模型，精准度在 90%以上。当年我们在全国随机抽几百个用户找人做了用户调研访谈，结果中年龄、性别、职业、泛爱好这种纬度，都准得一批。

@TimePPT 还有，绑定手机号是有关部门规定，强制实行也十多年了，跟大模型也没啥关系。反而是，有司现在要求各家 LLM 加明水印、暗水印，方便回溯来源影响会更直接。

对广告推荐来说，从你问大模型问题里挖掘喜好搞广告，还不如你刷小红书/抖音 feed 流点击查看的反馈收集来得直接。
以及，就算输入 Query 分析的用户画像，Google / 百度都做了十几二十年了。又不是 LLM 时代才有的新鲜玩意。

不做 AI 开发的没必要知道底层原理，尽可能的在工作生活中用就行，擅长使用工具没必要都去知道工具底层是啥。

打个比方，Google ，百度这种搜索引擎出来二十多年了，不专业搞这块的。有几个人学过底层检索算法？甚至用 ES 做文本检索的都没几个。

如果要做相关 AI 应用开发的，至少知道些基本概念和算法原理也就差不多了。

这种没办法，几年前流行学 python 时，前同事阿里技术 P8 ，他老婆买了 python 编程基础课，也 2000 多块吧……

@beyondgamp 谢谢！用的索尼 a7r5 ，配 24-70GM2

@TimePPT 如果是特别垂的古诗词古文生成，还需要做一些领域微调，效果才能好