SuperDaniel313

应用题可以先用逻辑推导再来数学计算，我比较笨我就喜欢这样做。（主要是我数学真的很烂

1. 鸟巢比故宫小；
2. 故宫可以分成 24 份；
3. 24 份故宫里鸟巢占了 7 份，因为鸟巢比故宫小 17 份；
4. 鸟巢的大小就是 7/24 ，等于 21 公顷；
5. 那 1/24 就是 21/7=3 公顷；
6. 3 再乘 24 就等于故宫的面积 72 公顷；

@cellsyx 如果你能搞到这个课程的课件，或者说它的课本，那么把这些直接送到 NotebookLM 里面。然后再针对具体的知识点进行提问，这个时候 NotebookLM 的回答是相对靠谱的。再不济的情况下，把这种知识点相关的算法书直接上传上去，应该也是等效的。

获取正确知识或者说权威知识的手段，不一定要靠视频课程。你可以取 NotebookLM 的长，然后去补它的短。课程只是让你方便理解知识，书籍上也会有很多这种知识。

我不是很喜欢视频课程，因为检索起来非常麻烦。就像你现在遇到的问题，本质上就是因为视频这种媒介产生的检索问题。知识传递效率最高的还是文本。所以我建议，OP 要不尝试换个方法试试？你要的只是知识，而不是视频，对吧？

前几天刚好发了一点评论，粘贴过来给 OP 参考一下。

没有 LLM 之前，很多人做笔记的习惯是为了留存一些知识，因为回溯原文的代价比较高，所以把书读薄了之后，自己总结抽象出来的知识，检索起来速度非常快。

但在 LLM 大爆发的这个时代，检索的效率比搜索引擎时代不知道高了多少。可以验证的方式多了很多，比如大模型之间交叉验证，或者直接让大模型联网搜索再验证。

每个人的学习习惯不同，我就打算抛弃这种抽象再总结的内容，不再考虑刻意留存了，只保留大概的印象。用到的时候，如果细节忘记了就直接问 LLM 。大块的内容记不住，那我写下来估计也不会再去看了。忘了就忘了吧，忘了说明不重要。

以下是其他帖子的内容参考
---

最近刚好在高强度用 NotebookLM 学习新领域知识，体验下来，学习模式和传统是一样，但效率更高。

1. 出于现阶段 LLM 的局限性，学习依然依赖书籍，不敢完全信任 LLM 。也就是还是要靠读书为主。
2. 依然需要自己先阅读书籍，然后通过提问来让 LLM 参与进来进行分析。主动性依然在自己。
3. 知识的掌握程度依然依赖课后习题的测试来验证是否真正吸收，但 LLM 可以随时生成习题并进行解答。不是测记忆力，是测理解程度。
4. 先厚再薄依然是非常有效且必要的学习方法。没有这种能力在搜索时代已经被证实不大可能成为高价值的人才，在 AI 时代更加如此，马太效应更加明显。
5. LLM 已经可以扮演 7x24h 的辅导教授，它的上限取决于使用者的学习能力，RAG 很好地弥补了 LLM 幻觉的问题，可以跨学科辅导，比如财务、供应链和管理三个领域能融合在一起进行讲解。
6. 记忆不再成为约束条件的时候，学习能力和理解能力将成为瓶颈，死读书的时代马上就要终结了。
7. 应试教育只是传统教育走火入魔的结果，但不能否认传统教育还是有很多优点的，先学再测，不会再补这种模式并没有过时。

管理类的工作如果都 AI 干了，那你干什么呢？

产品和项目这两个岗位的价值，本质上就是协调和沟通啊。

@xunxunhollow 看层次的，做做描述统计的数分，很多都只是在洗数据，干脏活。名为数分，实则 ETL ，然后业务部门想要什么，再出什么指标。懂业务的研发一直是高级人才，数分的逻辑也是一样的。

有 LLM 之后自然语言就能洗，洗完了再直接 LLM 出报告，这部分工作就是单纯和机器打交道。

如果能从数据里挖掘出真正的价值，这部分怎么都不会那么容易被机器取代。