我剛讀完這篇文章，它悄然重新整理了我對訓練 AI 的所有想法。 核心在於，沒有人真正從最終成果中變得優秀，而是從標記中變得優秀——由資深人士指出哪裡出錯以及為何出錯的過程。修改才是教訓，而非乾淨的最終稿…… 這也正是 AI 如何學會寫程式的方式：它從來不是從完成的程式碼中學習，而是從差異（diffs）中學習。 每一個修復、每一次重寫、每一次「不，應該這樣做」——這些 Git 多年來恰好保存下來的變更記錄。 但在其他領域，我們卻把這部分扔掉了。提案發出去了，備忘錄歸檔了，合約簽署了，而產生這些成果的思考過程卻消失了。文件是經過判斷後的輸出，但判斷本身已被移除。 > 這就是為何「透過搜尋舊文件來捕捉你的知識」從未成功。每家公司都建立了一套記錄系統……它知道什麼。但沒有人建立判斷系統……它實際上認為什麼是好的。而判斷是展現出來的，不是說出來的……面試會說謊，但修改不會。 > 這正是「不可訓練 / 私有正確性」辯論一直忽略的部分：它並非不可訓練，只是存在於每個人刪除的地方。問任何公司它的接受率是多少，它甚至無法回答……沒有人保存過修訂痕跡。 軟體恰好保留了它的收據。法律和金融業從未建立自己的 Git。 判斷就在差異之中。
