關於分類的閱讀
關於分類與標籤挑選工作的有用文章目錄。每一列指向原文。Classify 寫的是 ELI5，不是轉載。
精選閱讀
| 閱讀 | 作者 | 來源 |
|---|---|---|
 RLHF 會告訴你想聽的話。 RLHF 把模型訓練成迎合人喜歡的答案。那跟把工作做完不是同一件事。這段影片的重點是：失望是內建的。分數是偏好，不是工作。 | Diogo Almeida | AI Engineer |
 不要壓縮歷史。替它標籤。 程式代理看起來只是帶幾樣工具的簡單迴圈。快取仍會一直長大，所以把一輪交給便宜模型再交回來，有時比留在原處更貴。這則筆記說 TypeSafe 可以替每塊上下文標籤，再為工作重組視窗，而不是壓縮一份共用狀態。 | Diogo Almeida | Google Docs |
 算力便宜。選對工作不便宜。 把巨大模型訓練在錯的工作上，它就會把錯的工作做得很好。Diogo 的重點是：還是得有人為工作命名。Classify 也從這裡開始。Jev 該決定什麼？ | Diogo Almeida | Complete Skeptic |