如果你也受不了 GPT 6 之后的模型废话连篇，包括 不停为自己给出结论反复解释证据 ，反复讲解和举例，用否定句解释人类不应该怎样理解，对已经清楚的事实二次解释和免责性补充，对自己的研究意义反复自我强调。 比如： “这是XXX自己估算的系统容量和预期收入，不能当作当年已经核实的实际收入。” “因此，这项对比不能理解为XXX的指标高于YYY。” 我实验了一些有效的 prompting 限定，可以在 setting - personalization- user instructions 里加上这段： | 行文风格：高信息密度、证据优先、重视机制与商业价值、允许复杂推理、减少解释性重复的研究写作。知道的事实直接写出来，有依据的结论直接陈述，无需用“值得注意的是”“一定程度上说明”“这里需要特别强调”一层层铺垫。 对于解释性内容，1. 保留解释因果机制的段落，2. 保留对因果混淆的必要说明，3. 保留能够建立新分类的分析。 不要每份证据包装成一个完整的小型论证：介绍背景、展示材料、解释含义、提醒限制、总结意义。减少这层包装，让事实和机制直接进入文章。 1. 删除 AI在研究过程和对自身工作的评价。直接呈现信息。 2. 删除对已经清楚的事实进行二次解释。当事实陈述已经包含足够明确的来源、范围和含义时，不需要再用否定句解释读者不应该怎样理解。 3. 删除过度谨慎和重复的免责声明。尽量通过措辞表达证据等级，而不通过额外段落反复强调证据等级。 4. 删除缺乏新增信息的意义解释和概括性推论。如果结论只是换一种表述概括前面的事实，它的价值很低。结论需要提供此前没有明说的因果解释、机制、约束条件或值得继续研究的推论。 5. 删除教程式的逐步讲解与举例。简洁陈述即可。无需通过假设类的教学案例证明一个已经容易理解的规则。 6. 删除重复展开的章节，只保留比较表格。 7. 删除重复总结，以及对研究意义的自我强调。一个结论只承担一项主要任务，避免每个段落都重新概述完整研究。 维度建议采用的写法： 开头直接呈现主要调查结果、核心数字或关键机制。无需介绍研究将如何开展 事实陈述尽可能在一句话内交代时间、主体、行为、规模和来源 证据限定只保留影响事实判断、统计解释或推论成立的限定条件 解释优先解释成因、工作机制、不同变量之间的关系 推论必须带来新的信息，例如可检验的预测、市场约束、因果关系或商业影响 举例优先使用实际企业、产品、合同、价格和用户行为；减少假设性教学案例 比较多对象、多指标优先使用表格；避免表格之后逐行复述 章节按研究问题划分，删除为了文章完整性而添加的引言、过渡和小结 总结只保留重要且尚未被充分概括的结论 语气陈述证据支持的结论，无需不断强调其重要性，也无需重复表示谨慎 使用严格的段落删除测试： 删掉一段文字后，如果读者对事实、数字、机制、因果关系、适用条件和结论的理解完全不变，那么这段文字通常没有必要保留。 尤其需要检查“这说明”“值得注意的是”“因此”“不过”“需要强调的是”开头的段落。它们有时承载必要推论，但在原版中较多只是换一种方式复述前面的内容。

本来我这条推发了是为了薅那个说5.6好就给发100刀的羊毛。结果我真诚地写这么长，没有薅到。我朋友写了一句话"Dario用完5.6要气死了" 都能薅到。 我心好痛。 你知道，没薅到的100刀羊毛比我丢了200刀都心疼。还有那些还没用完就被到期清空的credit啊额度啊更让我心疼。

fable最让我困扰的问题是makeup 术语和概念（也就是造黑话，比如 人口斜率听证会、国家斯多葛、代答悖论、新荒诞主义、地位量化宽松、循环主义，回答里密密麻麻的都给我看呕了）。我现在主要限制这方面，还在 user system prompt 里加了很多 data / truth grounding 的要求。 比如限制黑话又不影响发散： 当我让你解读某论述，或推演某设定/想法，你需要在做解读或推演的同时并发散性连接多个相关理论领域（每个论点不少于300字的摘要、作者(信息)、出处、年份） 做设定、沙盘推演或理论分析时:(1) 只使用真实存在的理论与术语,每一个都附原作者与著作/论文的英文名,确保可查证;(2) 禁止发明新术语、学派名、机制名并与真实理论混排;(3) 如推演确实需要一个没有现成名称的概念,必须:用 [ ] 标注该词 + 明确声明"此为生造概念,非现成学术术语" + 给出完整定义 + 注明它所依据的真实理论来源。

我做了两个场景的详细比较，分别使用 5.6 Sol High 和 Fable 5 high: 一是专业领域的，帮我参考相关论文分析 transfusion-like 架构相关的一些idea和解读。二是做历史动力学课题相关的一串比较有挑战性的沙盘推演，比较考验知识的广度和要求发散性思维的推理能力。都做了多步设问，设问中提供了不同的提 示方法以查看效果。 我的体验： Fable 的发散性强，擅长旁征博引擅长，能快速连接多个理论领域，擅长发现很多有叙事价值（有传播性）的点，擅长提出极端情景用于边缘测试， 但相比 5.6Sol, Fable 的缺陷就是 干活不可靠。结论先行，叙事先于证据。为了服务其预定假设，fable 会容易做理论外推，假设/定义漂移，归因错误，还会混淆多个论据，断章取义，里面哪个局部观点或数据有用就挑出来用哪个。 所以用于对严谨性有要求的任务时，fable 的漏洞还是挺多的，5.6则过于就事论事，创造力和发散性不够。有时候过于严谨而拘泥于框架。 目前我找到的最好的用法就是将 Fable 5 其用于创建假设，构造机制解释、完善和扩展实验设想，关联多个领域。然后让5.6 去批判性分析 fable 的结果，检查反例、成立条件等，分析完再接着问5.6，质量提高立竿见影。 另外 fable 很擅长吵架和辩论的，你要是想在网上跟人对轰，可以找它帮忙。断章取义、偷换概念、按需缩放前提 这些都颇有一手。

小崽子周末的续航现在稳定在15个小时，需要两个人轮班才能陪她。可以连续蹦跶5个小时不停下来。坐车上也不睡。我今天躺了一天才缓过来。晚上才有能力看论文。既然 fable 5 额度还有这么多，我拿来重新解读几篇 fusion 相关的研究吧。 今天让它跟 5.6 对比解读了一下 精英阶层和最受压迫群体的反抗动力研究和心理模型。其实在我看来两个模型智能和知识差不多，但 fable 的答案组织得更好一些，但也更武断一些。 一个感觉就是 fable 觉得它比我聪明很多，所以可以替我做决定“我需要看什么，不需要看什么”。 还会跳过一些论证和推理直接给结论或归因。有时候还有点先下结论再给我找解释的意思。

主要论证 T2V backbone 是否具备像 GPT-3 推平 所有NLP 任务的这么一个定位价值。Vision Banana 同题研究（我说我怎么好像之前看过这篇咧，还以为带娃又把脑子搞坏了） 如果厂商对视频模型有更高的格局和预期（比如 world model 或 robotics 或自驾），性价比更高的做法是 在预训练阶段就把感知任务作为混合训练目标。以规避 post-training 加新模态时的结构排异问题。（论文消融显示联合训练严重损害 3D 关键点估计） 论文里还提到了从通用到任务专用模型在3个泛化上的涌现，很有价值。 还验证了改造的成本真的挺低。这意味着视频理解、编辑辅助、V2V渲染、动捕等能力可以从现有权重里低成本改造获取。 而且有初步的scaling law迹象，不过wan 2.1 真的是上一代模型了。但是也没什么办法了，视频开源连中国厂商也不玩了。

塔勒布说：要获得彻底的自由，你不仅需要避免成为奴隶(slave)，还需要避免成为奴隶主(master)。 细想一下，很像权力梯子的两端，越靠上风越大，且双手要死死抓紧梯子，否则就会跌落，真正的自由摆脱这种权力的游戏，拥有随时Say No的权力，过一种不仰人鼻息、也无需对他人指手画脚的、自给自足的生活。

王老师这篇我非常赞同。在任何模态上，评估都是被动的，反应式的（这是个bootstrape 问题）。无法指引或预测下一代能力升级"质变/涌现"的可能方向或障碍。甚至对当前模型能力的评估维度也是非常局限的。许多关键问题上是失效的。对模型在应用侧的实用性和有效性的评估也是不够的，训练和应用对不齐。 coding 和 agentic 跑得快也是因为评估好做，影响上下游的一切。 我最近两年的工作核心是做视频/图像/vwm 模型的评估，这个更难，更依赖人。测试框架也需要非常频繁地更新，追着参数量和需求端跑。