主要观点总结
本文介绍了机器之心PRO的会员通讯中关于AI和机器人技术的三个关键话题的解读。首先是关于用Test Time替换Training Time是否能提升LLM性能的问题，探讨了不同的改进语言模型推理能力的方法；其次是关于法律AI应用的准确度和市场情况的分析；最后是JoshWolfe对于AI公司高估值以及未来投资方向的观点。
关键观点总结
关键观点1: 用Test Time替换Training Time对LLM性能的影响
介绍了LLM的近期发展及收益递减现象，探讨了将计算预算投入到Inference Time是否能让LLM变得更强。包括各种尝试如自我对弈和谷歌DeepMind团队的探索，分析了如何优化测试时的计算以提高大型语言模型的性能。
关键观点2: 法律AI应用的准确度和市场情况
讨论了法律AI应用中关于准确度的问题，法律AI的应用场景、市场情况以及技术原理。法律AI在应用场景中具有一定的前景，尤其在特定的工作场景中表现良好。
关键观点3: AI公司的投资洞察
阐述了JoshWolfe对AI公司高估值的看法，探讨了风投市场的收缩情况以及未来的投资方向。他对于人形机器人和生物学会作为下一个风口有乐观的看法。
文章预览
机器之心PRO · 会员通讯 Week 36 ---- 本周为您解读 ③ 个值得细品的 AI & Robotics 业内要事 ---- 1. 用 Test Time 换 Training Time 能让 LLM 更强吗？ Self-Play 会是训 LLM 的新热点吗？把预算投入 Inference 会比扩大 LLM 参数更有效吗？PRM 对 Test-Time Compute 性价比影响多大？额外的 Inference Time 能帮 LLM 提升多少能力？Test-Time Compute 性价比还能再提高吗？... 2. 最专业的法律 AI 应用准确率最高也只能到 65%？哪些场景下的法律 AI 是靠谱的？ 为什么法律类 AI 应更有前景？法律 AI 应用的市场情况如何？在实际应用中，法律 AI 主要聚焦于哪些工作场景？哪些场景下的法律 AI 是靠谱的？背后的技术原理是什么？... 3. Josh Wolfe 的投资洞察：如何看待 AI 公司的高估值情况？ 风投市场可能出现 5000 亿到 6000 亿美元的损失？风投市场收缩到什么程度了？为什么 Josh Wolfe 认为，从投
………………………………
