benjor

分享一个相关观点，智谱 CEO 张鹏博士之前在雪球《方略》（方三文对话）聊过这个话题，B 站上能搜到视频，感兴趣的可以看看。

他的看法和 1 楼 5 楼的方向比较接近，逻辑上推得更远一些：如果能拿到专业数据，其实可以直接加到通用模型里继续训练，通用模型加专业数据的效果，实践中往往好于单独训练的专业小模型。按这个思路，单独训一个垂直基座模型的必要性确实值得打个问号。

不过他也提到，模型能力落到具体行业的“最后一公里”——私有数据、合规、系统集成、场景打磨——是有价值的，只是这更像应用层的工作，和训垂直基座模型是两回事。

结合这个帖子的场景，感觉比较务实的路线可能还是：通用模型打底 + 医学语料继续预训练/微调 + 知识库与检索兜底，再在具体科室场景里打磨。供参考～

这本书值得花时间读。它打通了“程序如何在单机上真正运行”这条主干——从数据表示、汇编、处理器到缓存、虚拟内存和并发，为理解各种新软硬件打下了底层知识框架。AI 时代，未必需要亲自把每件事做到极致，但需要底层的判断力：知道什么是好、什么是对的，才能指挥 AI 去做、去验证。这本书提供的正是这种判断力的思路和基础。当然，读完它要投入相当的精力与时间，部分章节(如处理器流水线、虚拟内存)还需要一定的技术储备才能真正读懂

点赞！！！ 社会需要这样的人， 你帮助的那个小伙子也会受你的影响变得越来越好的

https://imgur.com/Z5O22WV
图片是 markdown 吗 

<blockquote class="imgur-embed-pub" lang="en" data-id="Z5O22WV"><a href="https://imgur.com/Z5O22WV">View post on imgur.com</a></blockquote><script async src="//s.imgur.com/min/embed.js" charset="utf-8"></script>

https://imgur.com/a/Ij7Ztyt
有点好玩，很多事不是非黑即白，不同的决策组合会有不同的结果，这个蛮好的

不用记住什么，喜欢就去看，看完自己感兴趣的肯定会有印象且会去琢磨，自己不感兴趣的过了也就过了
非常赞同 lebcvu 说的， 不知道自己喜欢看啥的时候就选好看不枯燥的，例如基督山伯爵这种爽文、明朝那些事这种故事书，看多了之后就知道自己喜欢那一类了

经典在于有内涵，反复咀嚼，每看一遍有新的感受，但有可能对于某些阶段的读者第一次阅读味同嚼蜡，啥都没记下，也不重要，可能有个小点有印象了，当有对应的经历之后再回去看就觉得有魅力了

一支酒
红酒 可以是歪脖子红酒 教皇新堡
威士忌 麦卡伦蓝钻 12 年
顺手买一些水果