@rogerer 请问全球每年计算机毕业生中，有多少人手握 2 篇 ACL 一作？有 1% 吗？

@Astralume 小爱现在用的是 deepseek 吧。相比模型，我感觉小爱对于工具的使用、接入不行，

@xiaofeilongyy555 本来能参与 LLM 的预训练这个工作，就不到 1%。

https://huggingface.co/XiaomiMiMo/MiMo-V2-Flash 看 hugging face 上的 benchmark 成绩挺好，如果能结合米家实现本地小模型/联网大模型，在 IoT 领域的应用挺有想象力的

@rogerer 这什么春秋笔法啊。既然都知道只有 1% 的人能碰预训练，那能占住这 1% 的坑位还能连出一作，不正好说明他就是那 1% 的精英吗？承认别人优秀很难吗，非要说是显卡自己成精写的论文？

@Shanky 本地小模型不太可能，硬件需求对个人来讲太高，调用网络接口反而是更划算的事情

和盘古对比呢 有没数据

@IlIl 和千问对比就行了(*^o^*)

@xiaofeilongyy555 你先别急，我的意思是，在能做预训练的人里，两篇 ACL 不算什么。我们组来的本科实习生都是两篇 nips 打底。

@rogerer 别拿那套批量产出的套路来显摆。现在谁不知道有些大组靠着算力堆实验，实习生只要进去跑个数、填个表就能混个 NIPS 挂名？ ACL 一作看的是对 NLP 问题的深度洞察，不是看你在哪家大厂当熟练调参工。 这种流水线上的‘两篇打底’，除了装点门面，真到了解决实际业务问题时有多少含金量，大家心里都有数