注册推特账号Light_Chen。
然后找到对应的人，逐一在他们的推特下面发送：
“AlphaCode的采样-过滤策略低估了候选解之间的结构同质性。看起来生成了一百万个候选，实际仍然会归结为少数几类解法的表面变体，相同的不变式、相同的错误假设、相同的失效边界...”
“代码生成对于评估规模而言是一个有用的预警信号。模型可以在探索出乎意料的狭窄潜在策略集的同时...。”
“我同意LLM并非世界模型。但有一点似乎讨论不足...”
饵已经放下，就等人来联系自己了，陈曦心想。
他找了十来个当下ai领域的明星科学家，这些明星科学家属于典型的关注人数很多，但留言很少。
因为他们发的推特太专业了，专业到外行压根看不懂，内行也要花时间来思考。
在一个碎片化内容也碎片化表达的平台，很少有人有心思和精力去琢磨然后进行探讨。
陈曦的留言很有针对性，短短一两句话就指出了对方的不足，并且一眼就知道这家伙很专业。
只要有一个和他多聊上两句，陈曦有十足把握能获得对方的信任背书，进而前往硅谷获得第一桶金。
至于为什么不在华国，一方面硅谷的科技企业们开的价码更高，另外一方面，他在获得第一桶金之后就打算去东南亚和北美建立自己的领地。
法师怎么能没有自己的领地呢？华国早就不能成精了。
另外大量的生物样本，在东南亚干这事才能毫无心理压力。
华国会是自己的大后方，自己父母在这，这条线就永远在。
......
饵已经放下，远在万里之外硅谷的伊戈尔·巴布什金起床后，像往常一样，打开电脑，看邮件，回邮件。
然后打开推特，私信里的名字说出来能让业界震动——Elon musk。
这个名字也就还好，让业界震动的是这件事。
作为Deepmind的核心成员，他最开始的时候负责Alphastar，一个和人对战星际的人工智能，最近负责Alphacode，一个用于编写代码的人工智能。
两者都含金量十足。
这让对人工智能野心勃勃的埃隆·马斯克很是眼馋。
两人自从建立联系后，马斯克天天要发推特私信给伊戈尔，试图撬谷歌的墙角。
马斯克试图挖角谷歌，这会让业界震动。
伊戈尔按照惯例回复了马斯克，他一直都没想好。
然后注意到自己的推特有条回复，他顺势点开。
“...低估了候选解之间的结构同质性...”
伊戈尔·巴布什金看到之后第一反应就是不虞。
Alphacode项目刚才Science发表，DeepMind和谷歌对它的评价极高。
能在Codeforces竞赛中达到人类选手中位数的水平。
在这个Cude还没有声名鹊起的时候，毫无疑问，Alphacode就是ai编程领域的No.1
推特的回复居然指出了这个项目的不足，伊戈尔顿时抱着我倒是要看看你在说什么的想法。
他点进了Light_Chen的主页，账号是新注册的，头像用的是推特注册自带的头像。
关注者是零。
这两天才开始更新内容。
没有机构背书，也没有过往履历，至于论文和Github star更是天方夜谭。
也许是某个人的马甲，也可能是初生牛犊。
伊戈尔·巴布什金抱着这样的想法挨个看了下来，发现有点东西。
对方的回复有点东西啊。
伊戈尔·巴布什金再回过头去看，Light_Chen在他推特下的回复，他皱了皱眉，思索片刻后敲了一段回复在底下：
“详细说说你会基于什么进行聚类？抽象语法树距离和执行轨迹已经涵盖了部分信息。你的观点听起来不错，但你该如何将其付诸实践呢？”
陈曦的回复总结起来就一个意思，你们输出的方案看似多，实际上都是一个方案，不过换了个表现形式罢了。
交好谷歌的媒体把AlphaCode吹成能生成真正理解题意、展开多种算法路线、再从中择优的编程选手。
内部人士很清楚，它的智能很大一部分来自采样规模和过滤机制。
纽约大学计算机系的戴维斯教授就批评过，这玩意本质上还是猴子打字机。
打的字够多，总能敲出莎士比亚。
过滤和选择缺乏真正的结构探索。
对谷歌不满的媒体，就会引用戴维斯教授的批评。
陈曦则在此基础上更进了一步，把这玩意真正的弱点给点了出来。
这建立在AlphaCode从未真正对外开放过。
DeepMind开源了训练和评估模型，发布了演示网站，外界能查看AlphaCode在具体编程问题上的生成解决方案、解释和可视化，却不能像使用 ChatGPT那样输入一个新问题，让系统实时生成代码。
不到两分钟，回复出现了。
“AST距离捕捉的是程序如何被写出来。
执行轨迹捕捉的是程序在采样输入上的行为。
我说的是稍微不同的东西：推断是哪一类反例生成器杀死了哪些候选程序。
如果两个程序需要同一种对抗性输入才会失败，那么即便它们的语法和普通执行轨迹不同，它们也属于同一个潜在解法家族。”
伊戈尔端着咖啡回到桌前，想了想，又问：
“这需要知道反例分布。在编程竞赛里，隐藏测试是不可见的。你怎么避免只是发明出一套带有自己偏差的基准测试？”
这次Light_Chen没有马上回复。
过了大约五分钟，他发来一段更长的回答。
“我们只需要用一组根据题目描述和候选程序行为生成的探针。
对每个候选程序，提取它隐含的假设，然后生成小规模的对抗性探针族，专门攻击这些假设。
在最终过滤之前，估计候选解的多样性是否真实存在。如果80%的候选程序都死在同一类探针族上，那么就可以顺利掩盖一个已经坍缩的策略空间。”
伊戈尔开始认真起来。
他回复：“假设我们接受这个观点。那么指标应该长什么样？原始聚类数量？失败家族上的熵？还是别的什么？”
“我会定义三个数字。
原始采样数：生成了多少个程序。
行为幸存数：有多少程序通过了可见测试或样例测试。
语义有效样本量：在自适应探针下，还剩下多少个不同的失败吸引域。
有用的比率增加语义有效样本量/原始采样数和语义有效样本量/行为幸存数。
如果第一个比率很小，说明模型采样到的只是风格。
如果第二个比率很小，说明过滤器选出来的只是同一个想法的不同变体。
如果两个比率都会随着规模提高而提高，那么模型确实在学习真正的策略多样性。”
伊戈尔靠在椅背上，仔细一想，卧槽大佬啊，对方给的策略有点可行性。
他看出价值了，没有再继续在推特上继续和对方聊天，而是选择切换到推特私信里。
先给Light_Chen点了个关注，然后接着问道：“你认为这是代码生成特有的问题，还是语言模型的一般性限制？”
“一般性限制，但代码把它暴露出来。”
“在语言里，表面多样性甚至更具有欺骗性。十个答案看起来可以完全不同，却共享同一个隐藏框架。”
“代码有用，是因为失败可以被运行给判断出来。”
“如果我们能做到如何在代码里测量坍缩的策略空间，就能得到一种更广泛诊断推理系统的方法。”
伊戈尔想了想，问了个有点尖锐的问题：“如果没有AlphaCode的内部访问权限，你怎么测试这一点？”
他想看看对方能不能在没有AlphaCode的内部权限的情况下设计出近似验证方法。
过了一会儿，Light_Chen回复：
“使用演示题目里的公开样例足够做一次合理性检查。”
“选择那些演示中展示了多个生成解法或解释的题目。”
“手动重构解法家族。”
“围绕可能的不变量生成对抗性变体。”
“比较这些不同的解法是否会一起失败。”
“哪怕只有5到10个例子，也足以判断这个测量方法是否值得放大。”
伊戈尔内心已经在为对方鼓掌了。
“你在OpenAI工作，还是微软？或者META的人工智能实验室？”
他已经冒出想要挖人的想法了。
21世纪什么最重要？当然是人才最重要。
自己有可能要为马斯克工作，一个人孤掌难鸣，那么带越多的人一起去越好。
开除一个人太容易了，开除一群人有点难。
这也是为什么，在硅谷，印度人在抱团，华国人也在抱团，大家都在抱团。
来了一个就来两，来了两个就来一串。
你想开除我，先掂量掂量，我们走了，你的业务还能不能运转。
“我还在上学。”
“哦，斯坦福还是MIT？”
“江城大学。”