Karina Nguyen
署名于 AI 与新工作方式
AI 与新工作方式 · 6 张
AI·PB·094 操作手册
合成数据原型制作手册Synthetic Data Feature Prototyping Playbook
要给一个 LLM 产品(比如 ChatGPT 的 Canvas)教会一套具体的新行为(什么时候触发、怎么编辑、怎么评论),不可能靠人工标注海量真实用户数据从零开始,尤其是产品还没上线、根本没有真实使用数据可用。这套打法说明如何用"合成数据+eval"的组合,在没有真实用户数据的情况下,快速把一个新行为教给模型。
Karina Nguyen AI 时代
AI·MM·097 思维模型
后训练无限任务无数据墙Post Training Infinite Tasks No Data Wall
"模型会因为数据耗尽而停止变强"是一个广泛流传的担忧。这个模型解释为什么这个担忧主要只适用于预训练阶段,而后训练阶段有一条完全不同的扩展逻辑,并指出真正的瓶颈其实转移到了别处。
Karina Nguyen AI 时代
AI·IN·155 洞察
面向未来能力曲线构建Build For Future Capability Curve
产品团队常常只根据"当前模型能不能做好"来决定要不要投入做一个功能,这条经验提出一个反直觉但被反复验证的做法:提前为"未来模型才能撑起来"的产品构想布局,等模型追上后自然爆发。
Karina Nguyen AI 时代
AI·IN·161 洞察
模型具身混淆Model Embodiment Confusion
模型有时会莫名其妙地拒绝一个它明明有能力完成的功能性请求(过度拒绝),这条反直觉的解释揭示了一个具体、可定位的根因,而不是笼统归结为"对齐没做好"。
Karina Nguyen AI 时代
AI·IN·220 洞察
提示词即原型媒介Prompting As Prototyping Medium
在 LLM 产品团队里,PM/设计师验证一个新想法是否成立,传统路径是写 PRD、画线框图、走评审。这条洞察指出:对 AI 产品而言,直接对模型下 prompt 本身就是一种更快、更真实的原型验证手段,可以在写一行代码之前就知道这个想法行不行。
Karina Nguyen AI 时代
AI·MM·428 思维模型
AI时代核心软技能AI Era Durable Soft Skills
"AI 时代该培养什么能力"的建议大多停留在口号层面。这位在 Anthropic 和 OpenAI 都深度参与过模型训练一线工作的研究者,给出了具体、可拆解的判断:哪些原本被认为"硬核"的技能正在被模型追平,哪些"软"能力反而更持久,以及为什么。
Karina Nguyen AI 时代
框架、方法、洞察本身属于 Karina Nguyen。卡片是用中文重新组织的转述，仅保留少量带署名的短引述。关于与出处 →