人和大模型之间最大的差距
非常认同Andrej Kalpathy在“State of GPT”报告里分享的观点（以下为宝玉搬运字幕版，中文翻译质量很高），结合我的思考进一步阐述如下：
人和大模型之间最大的差距，在于思考过程和追求答案的方向。
人有内心独白，会调动经验，拆解问题，进行复杂的思考过程，追求合理、准确的答案，注重答案从内容到形式的“优雅”，即我们常说的”信·达·雅“。人类思维涉及更深层次的推理和判断，结合自身人格，做出对道德、情感和价值的独立考量。更会对答案进行反思和批判，从内外得到的反馈中，得到精神享受或改进经验。
相比之下，大模型（典型如LLM）没有内心独白，背靠超级广泛的事实知识，通过上下文关联调度工作记忆，追求全面综合已知语料达成的内容和形式上的最佳外推，或模仿。大模型的目标，往往在于以大量数据为基础，给出”不跑偏“的延拓，而非像人类一样进行复杂的思考过程。至于思维链，也是在上下文引导下对思考过程描述数据的模仿。最新的研究表明，大模型有一定的进行隐性”反思“的能力，即对于质量不高的回答，”心“里往往是”有数“的，但机制如何、是否鲁棒、如何利用尚无定论。
提示(Prompt)的出现，一定程度上弥补了这两种认知架构之间的差异。通过设计有效的提示，人们可以引导大模型的输出，使其更接近人类的思考方式和期望的答案。提示可以提供上下文、约束和指导，使大模型更好地理解问题，并生成更准确、相关和符合人类期望的回答。本质上，就是用心智模型，引导模仿过程，达成符合我们对”智能“预期的答案。
因此，提示的使用，在人与大模型之间架起了一座桥梁，帮助弥合了两者认知架构的差异。这使得大模型能够更好地满足人类需求，并在特定任务中展现出更高的准确性和可用性。