logos42The modalities of parallel communities
By leveraging collaboration among humans and cooperation with AI, they collectively explore the frontiers of human knowledge.
logos42超越因果范式的思想体系是什么
如果超越了时间与因果，我们对世界的认知方式将完全不同。
logos42兴也忽焉，亡也忽焉
每一代大模型的参数在使用一种非线性的数学算法来进行构建。这中算法导致了参数规模越来越大，最后烧的是算力，然后，突然有了一个数学上的突破，出现了一种把神经元计算变回线性计算的方案，通过这样的转换，相当于我们的复杂性降低到了线性增长的规模。 那么在这样的数学底层下，大模型公司的兴盛和衰亡转折点会很快到来。 未来我们的模型需要的不是巨大的参数量来实现模型性能，而是小小的模型，在构建认知能力上，核心稳定，不去记忆很多事，而是在做的过程学，不执行任务的时候，直接放弃已有的记忆，存档到某个地方，类似于人类的笔记本。 人类的大脑很强，但是再强也比不过一个大脑加一个纸笔，通过工具我们的认知核心扩展了，在和世界的交互过程里面实现了“增参”。理论上，LLM也是如此，现在有一个很小的模型，7M左右，就已经在前沿基准测试里面取得了几乎媲美最顶级大模型的能力。从参数利用率来说，几乎完虐其他大模型，这里说的是openAI，deepseek等模型公司。 那么在自己的个人电脑上，我们可以运行的模型，超越几万亿的规模参数的模型不可能都能够部署，要么你买最新的英伟达桌面芯片，要么就是买云服务器，但这对普通用户来说很...
logos42The modalities of parallel communities
By leveraging collaboration among humans and cooperation with AI, they collectively explore the frontiers of human knowledge.
logos42超越因果范式的思想体系是什么
如果超越了时间与因果，我们对世界的认知方式将完全不同。
logos42兴也忽焉，亡也忽焉
每一代大模型的参数在使用一种非线性的数学算法来进行构建。这中算法导致了参数规模越来越大，最后烧的是算力，然后，突然有了一个数学上的突破，出现了一种把神经元计算变回线性计算的方案，通过这样的转换，相当于我们的复杂性降低到了线性增长的规模。 那么在这样的数学底层下，大模型公司的兴盛和衰亡转折点会很快到来。 未来我们的模型需要的不是巨大的参数量来实现模型性能，而是小小的模型，在构建认知能力上，核心稳定，不去记忆很多事，而是在做的过程学，不执行任务的时候，直接放弃已有的记忆，存档到某个地方，类似于人类的笔记本。 人类的大脑很强，但是再强也比不过一个大脑加一个纸笔，通过工具我们的认知核心扩展了，在和世界的交互过程里面实现了“增参”。理论上，LLM也是如此，现在有一个很小的模型，7M左右，就已经在前沿基准测试里面取得了几乎媲美最顶级大模型的能力。从参数利用率来说，几乎完虐其他大模型，这里说的是openAI，deepseek等模型公司。 那么在自己的个人电脑上，我们可以运行的模型，超越几万亿的规模参数的模型不可能都能够部署，要么你买最新的英伟达桌面芯片，要么就是买云服务器，但这对普通用户来说很...
Subscribe to logos42
Subscribe to logos42
Share Dialog
Share Dialog
<100 subscribers
<100 subscribers
意图不一致的经济学——如果不是商家为“发现”付费，那谁来付费？
当前问题的核心是什么？
目前大多数平台的商业模式依赖卖家/广告主为“曝光”买单，这导致平台在激励上自然更偏向为付费方（商家）服务，而非用户。
这就是委托代理问题：平台本应为用户发现、推荐最优产品，但实际“雇主”却是商家，动机错位，用户利益常被牺牲。 如果用户并不需要为“发现”付费，经济模式要变，就必须让平台的盈利直接依赖于用户的满意度——比如建立一种公开、可验证的协议，产品入围先按透明规则“筛选”，之后商家在可信集里竞价排序，无法用钱买到入围资格，只能买排序。
这种情况下，用户能信任整个选品过程，商家依然有竞争，但是在“值得被发现”的产品池中竞争，经济效率和信任都得到提升。
这就出现了意图不一致的情况。
传统模式中卖家付费，平台为利润最大化服务商家，用户信任受损。平台的意图在商家和用户之间出现了不一致。
商家希望卖出更高利润的产品，而非更适合用户的好用产品。新的技术驱动的变革如果我们建立的新协议模式中，平台对外开放数据、透明标准，用户作为“真正的雇主”，系统的盈利与用户满意度挂钩，商家只能为自家产品在合格集里的优先级竞价，不能影响入围本身。
所以，付费主体可以转变为——只有在“值得信任”前提下，商家才为在可信、透明的发现池里获得更好展示位置付费，平台靠效果（而不是流量、广告）盈利，最终让用户真正成为平台的“客户”而非“产品” 如果把平台的服务变成智能体服务，但是数据和智能体是分离的，数据在智能合约或者区块链，这样多个智能体开始竞争，用户直接雇佣智能体为自己服务，效果依然等同。
简而言之，用户是平台和智能体的“雇主”，数据是协议层（区块链/合约）控制，智能体为用户利益而竞争，而不是传统平台那样为商家和自家利益服务。
这最大化了用户选择权、信任以及创新空间。
参考文献：https://testnet.inomy.shop/blog/build-trusted-ai-shopping-assistant
意图不一致的经济学——如果不是商家为“发现”付费，那谁来付费？
当前问题的核心是什么？
目前大多数平台的商业模式依赖卖家/广告主为“曝光”买单，这导致平台在激励上自然更偏向为付费方（商家）服务，而非用户。
这就是委托代理问题：平台本应为用户发现、推荐最优产品，但实际“雇主”却是商家，动机错位，用户利益常被牺牲。 如果用户并不需要为“发现”付费，经济模式要变，就必须让平台的盈利直接依赖于用户的满意度——比如建立一种公开、可验证的协议，产品入围先按透明规则“筛选”，之后商家在可信集里竞价排序，无法用钱买到入围资格，只能买排序。
这种情况下，用户能信任整个选品过程，商家依然有竞争，但是在“值得被发现”的产品池中竞争，经济效率和信任都得到提升。
这就出现了意图不一致的情况。
传统模式中卖家付费，平台为利润最大化服务商家，用户信任受损。平台的意图在商家和用户之间出现了不一致。
商家希望卖出更高利润的产品，而非更适合用户的好用产品。新的技术驱动的变革如果我们建立的新协议模式中，平台对外开放数据、透明标准，用户作为“真正的雇主”，系统的盈利与用户满意度挂钩，商家只能为自家产品在合格集里的优先级竞价，不能影响入围本身。
所以，付费主体可以转变为——只有在“值得信任”前提下，商家才为在可信、透明的发现池里获得更好展示位置付费，平台靠效果（而不是流量、广告）盈利，最终让用户真正成为平台的“客户”而非“产品” 如果把平台的服务变成智能体服务，但是数据和智能体是分离的，数据在智能合约或者区块链，这样多个智能体开始竞争，用户直接雇佣智能体为自己服务，效果依然等同。
简而言之，用户是平台和智能体的“雇主”，数据是协议层（区块链/合约）控制，智能体为用户利益而竞争，而不是传统平台那样为商家和自家利益服务。
这最大化了用户选择权、信任以及创新空间。
参考文献：https://testnet.inomy.shop/blog/build-trusted-ai-shopping-assistant
No activity yet