有多少人没真正用懂AI？掌握这套“反思-重试-奖励”AI工作法

01

在7月26日的上海中国人工智能大会上，腾讯发布了世界大模型、华为发布昇腾384的AI算力系统。

这是我们自己的中国AI基座，作为企业家、投资者，我们如何在AI基座上发挥经营价值，发掘投资价值？真正把AI运用到我们事业中？

02

举个例子，前段时间我在研究投资产品型的企业，平台型企业，还是生态型企业更好？或者是企业在某个阶段更适合投资？

于是，我让大模型帮我整理腾讯、华为、美的等公司从产品型-平台型-生态型的发展过程。

我发现Deepseek说在2016年3Q大战之后，腾讯开始开放战略。

但对于长期研究和投资腾讯的我来说，3Q大战是在2010年。

这就是典型的AI幻觉，我相信大家都碰到过和我一样的大模型错误情况，根据测评结果，DeepSeek-R1模型幻觉率高达21.02%，远远高于豆包大模型的4.11%，也高于DeepSeek另一款大语言模型V3的13.83%。

同时，推理模型的幻觉比非推理模型更严重，推理模型平均幻觉率为22.95%，非推理模型的平均幻觉率为13.52%。

看到这样的幻觉率，你会怎么想？大模型还能用吗？

对于还没有接触大模型的人来说，可能会有这种想法，但是对于在学习工作中，已经大量使用的人来说，看法可能就不太一样了。

就像孩子两岁学走路的时候，三步一摔，你会让他不要再学走路了？趴在地下爬就好了？

所以，我一开始总结了两个方法：

1、AI输出后，让人来调整。2、多个AI大模型之间来取舍。

但尝试过后，我发现，这样的反复调整对效率和效果的提升很有限，AI的潜力应该不止于此。

在继续深入研究后，我在网上看到一篇16页AI论文，找到了提升AI大模型的使用效率和效果的方法。

这篇论文叫《反思，重试，奖励：通过强化学习实现自我改进的大语言模型》。

核心观点，就是让AI像人一样，通过反思，重试，奖励从错误中学习成长！

在论文中，研究员用数学方程进行了实验，阿里通义千问15亿参数的模型在第一次解题的时候，正确率居然只有6%，就像初中数学三元方程100分满分只考了个6分，简直就是个学渣，看到这个结果，估计你是不是觉得大模型就是大忽悠？

接下来，研究员引入“反思机制”训练后，第二次的正确率跃升到了34.9%。

研究员肯定了AI的进步，再让它根据第一次的反思重试一遍，第三次解题成功率提升到45%，有了巨大的跃升。

接下来，还有一个更让我脑洞大开的对比数据。

经过这种“反思，重试，奖励”学习方法训练的小模型，在能力上超过了参数量比自己大十倍的更高级模型。

研究团队用通义千问的70亿参数模型进行训练，结果发现，会“反思”的70亿AI小模型，表现都超过了不会反思的720亿大模型。

这就相当于一个善于反思的中等能力本科生，超过了一个更聪明、知识储备多出十倍、但缺乏反思能力的博士生。

在《腾讯传》写到，2003年一个从金山软件加盟腾讯的产品经理说，金山软件是一年迭代一次，经常出现产品难产和大量bug，而腾讯产品是每月迭代一次。

迭代速度，也决定了两家企业的成长速度，金山软件成立于1988年，比腾讯早了整整十年， 2007年在香港上市，腾讯在2004年香港上市，昨天市值5万亿港币，金山软件是488亿。

雷军在分享自己小米创业经历的时候说，在创业之前，大量研究腾讯、阿里等企业成功经验，所以，小米在做MIUI手机系统的时候，是每周迭代一次。

马化腾把腾讯的产品方法论总结为“小步快跑，试错迭代”，每一次产品的更新都不是完美的，但是如果坚持每天发现、修正一两个小问题，不到一年基本就把一件作品打磨出来了。

03

在AI时代，我身边有些朋友在使用大模型的时候，看到AI的回答有错误，不是重新生成，就是直接放弃，自己来修改。

但经验稍多的研究员，就会给大模型指出明确的错误和调整的方向，例如缺少了对同行的分析、缺少未来三个月可能潜在的风险分析。

所以，在投资研究和产品市场调研上，大模型帮我大幅度提升投研和整理资料的效率，给了我很多独特研究的视角和分析框架。

我公司在运用AI之后也减少50%初级和中级研究员的成本，但是有个大问题，就是数据幻觉非常严重。

比如我搜集新能源车2024年销量，经常出现多个数据失真或者是错误引用，甚至编造名人言论，这是非常致命的。

所以，我们目前让初级研究员用大量时间去完成数据和资料的校验。

当然，对我们更多的人来说，如何去掌握“反思，重试，奖励”的AI工作法，让大模型更好地提升我们的效率和效果？

我总结有五种方式。

1、AI输出后，让人手动来校验数据和资料。

2、逼问大法，先不给出明确的问题，开放式逼问AI问题在哪？例如数据错误，时间错误？让AI自己找出问题来优化。

3、多个AI大模型之间来取舍，可以同时让Deepseek、豆包、元宝混元、kimi进行回答，我一般是把我的身份、问题、结果、格式描述清楚，发给不同AI进行对比，这样就可以取长补短。4、喂饲料：喂给AI高质量的数据，比如给大模型投喂过去五年的腾讯年报，券商研究所的研究报告，行业分析报告，然后根据这些报告，帮我梳理投资报告，这种高质量的一手数据就能大幅减少数据幻觉，回答质量会高很多。

5、也是一种最好的方式，就是用大模型做评委，定出评审标准，来评判其他大模型的报告结果。

我原来只是用前三种，但在借鉴AI工作法的“反思，重试，奖励”后，重点提升4、5的方法，让人类和AI互相学习成长。

就像在人工智能大会上AI深度学习之父、2024年诺奖获得者辛顿说的：大语言模型的学习、思考类似人类大脑，人类与AI的思考终将同频共振。

所以，在接下来的AI时代，我们不用纠结AI是否“能用”，而是专注于如何让它“更有用”，迭代的速度，永远会比初始的聪明更重要。

未来的赢家，一定会属于那些率先学会与AI共思共生的智者。

责任编辑| 罗英凡

图片均来源于网

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。