你们知道吗？我现在天天跟AI搭档搞地质研究。就像打游戏组队刷副本：我负责拍脑袋想些天马行空的假设（比如"这块石头为啥长这样"），AI立马咔咔写代码建模，后面还有博士天团帮忙测试。
最近氪金200刀升级Pro版后，好家伙直接解锁新地图！（突然压低声音）前几天用O3 Pro肝论文，居然在全新领域整出大发现...
我最近升级了每月200美元的订阅，我一直在密集地使用O3 Pro，并在一个新的领域取得了重大进展。它非常聪明和准确，当错误发生时，它可以找到方向。我可以用几乎和博士后一样的方式使用它，我提出物理和数字框架的想法，它开发代码来建模这些，然后我测试和反馈以改进。它又快又有力。
O3 Pro现在堪比博士后！能听懂我的物理模型脑洞，能debug时自己找路，虽然还不会主动提问"老板你这个假设好像有bug"——但已经够我凡尔赛了（突然警觉）。要说它哪天能自己翻文献找漏洞...（倒吸凉气）怕不是比导师催进度还勤快！
它还不是AGI，因为它没有提出问题和初步想法，但它非常好地支持了我的研究。我想知道一个有代理权的LLM大模型还有多远--让它走出去，发现文献中的空白，或者在公认的正统理论中可能存在的错误假设，并希望把它打倒，我不认为这很遥远。
五年前，我认为这是不可能的。现在我认为十年后我们将拥有一个完全不同的世界。这是令人敬畏的，也有点吓人-如果它比我聪明，比我有更多的机构，比我更多的资源，我的目的是什么？在接下来的几年里，我将尽我所能地努力工作，以赶上人类主导的研究的最后一波浪潮。
活在这样的时代。
网友热评：
1、我用类似的方式做类似的工作。
对我来说，O3 Pro更像是一个非常聪明的博士生，而不是博士后，因为博士后应该构思和领导实验，但并不是所有的学生和博士后都是平等的。
我不敢相信我的同事和其他人对使用这些LLM推理模型的抵制。如果使用得当，它们非常有用。
然而，有一个陡峭的学习曲线，只能通过有意识的练习来克服，并且当它没有被最佳地使用时，早期的输出质量非常低，这些都是为了让人们远离。
你必须习惯它的优点和缺点，以及如何组织提示。就像一个新同事。有时候，你真的不需要向某个人解释太多，他们有一致的直觉，你可以相信他们自己会做出很多决定。有时候，你真的需要牵着某人的手。他们可能在技术上很聪明，但他们的直觉和自我指导的能力是缺乏的。
我相信我们都经历过很多次，当然，你总是不会前者。但你并不总是可以选择，而且通常，后者在技术上更有能力。O3 Pro是后者。Huffy在技术上精通，但你必须非常小心才能正确引导它
很不幸，因为我担心太多的人被忽视了。这就像拒绝使用计算器，或者后来的电脑，或者互联网。我记得互联网出现的最初几年，我们被告诫要用它来做学校的工作和研究，而不是坐在图书馆里几个小时，看看我们现在在哪里。
2、从哈佛大学教授、长寿教父大卫辛克莱推特看，他正在用O3 Pro，他发了一条推文，等待它思考时间很长，起来倒了杯咖啡。