Andrej Karpathy 分享「回顧性Hacker News 討論自動評分」 Andrej Karpathy 做了一個有趣的AI 實驗：使用GPT-5.1 Thinking API 對2015.12 Hacker News（HN）首頁上的930 篇熱門文章及其討論進行「事後分析」。他評估了這些舊帖子的預見性，以識別出最具洞察力和最不準確的觀點。專案花了約3 小時編寫程式碼、1 小時運行，總成本僅60 美元。 核心內容與方法· 靈感來源：Karpathy 提到，這個想法受前一天一篇HN 文章啟發，那篇文章讓Gemini 3 模型「幻想到」未來10 年後的HN 首頁。相較之下，他的計畫是「倒推」歷史：用當今AI 回顧過去，訓練預測模型。 · 執行過程：AI 模型審查了2015 年12 月的HN 存檔，從「事後視角」評分。重點在於檢視評論的準確性、深度和對未來的洞察，例如科技趨勢、AI 發展或社會影響。 · 結果亮點：模型選出了當年HN 評論中最具預見性的前10 名用戶，包括pcwalton、tptacek、paulmd、cstross 等。 更廣泛的意義 1. 預測訓練的價值：這種回顧性分析能幫助人們校準對未來的判斷。透過檢視舊觀點的成敗，能更好地「訓練」個人預測模型。 2. 未來AI 的隱憂：他幽默卻嚴肅地提醒，「善待網路內容，因為未來的超級LLM 會更廉價、更快速地剖析一切」。這呼應了他早期的推文：「Be good, future LLMs are watching」。本質上，網路數據已成為「免費」的永恆遺產，AI 將無情地審計它——這既是工具，也是警示。
