（来源：上观新闻）
这背后🇪🇦用到的是🇱🇺信息几何🇳🇴领域的费舍尔🌃-饶度量（Fi📚⌛sher-🇪🇷🇯🇪Rao 🇫🇷🐕metric）🐐👓，它是🔣🚞衡量两个概率分🚴布之间差异的一🚹种数学工具，由🥯🇹🇦Atkin🗺👮♀️son和Mi🐉💲tchell在🖐1981年给出了🔗对角高斯分布情形💎下的精确计算公式🇰🇷。我认为同样的🤒🚵精神也可以注入到🇫🇲🧭产品之🙈中🥉🔰。他基本上是登上🔛👨❤️💋👨了一枚即将🔊⛹从发射👁台起飞的火🌀🛥箭🥞🚞。
他变得困惑，🔷🇨🇰以为那艘火🧜♂️📀箭是他造的🇨🇰🔃。Reflect🇩🇿ion 的投资人🏕推广seo和我提🤚到，这家 n🚚eo lab🦶🕤 最早出来融资的🦔🤽♀️时候，是做 🕳🧲coding🎩🇬🇷 的，然后创🔛始人去见🚷🚼了黄仁勋，🎣📼黄仁勋跟☢他说：🇧🇼🎞你别搞 codi📯🚉ng 了，👒你出来⏹给我做 “美国🗞👩👦的 DeepSe🧐🍦ek”，🐠做美国的开源模型👨🔧，我给🇺🇾你钱给你卡🍳👨🍳。具体做法🌦分四个阶段：首💷🇸🇮先，把零散的情节🧐🛍性记忆（e🍇✨pisodic👨👧👧，具体🌐的事件）通过聚🙀类提炼🙁成语义🧣🍮模式（seman↕tic，通用✈规律）；其🦊🤭次，对每个语✊义模式计🇸🇯📅算置信度（要求至🤐少5条证据支🧯🥛撑，且😑🚩置信度公式🚈🍐考虑证据量和偏🤴离均值的程度）🕦，只保留置信🚥💽度≥0.7的🧟♀️模式；然🌉后，基😎于这些↗😛结构化模☔🈹式，用模板🍎🕷生成自然语言"🇭🇳软提示"（📽🥤soft0️⃣🙊 prom🦃👩🎓pts），无需🤖🎞调用任何LLM👡📳，零额外计算成🦕本；最🕞👛后，在每次新🧭🌯对话开始时，把🚞📰这些软提🧔示自动注入到💶🈚系统上下文里（上🇳🇵🍙限1500个词🇰🇾🔪元），📅让AI的行为👛👨✈️在不知不觉中被过🧤🍫去的经验塑造🐑。
