nanochat现已具备“原始身份”，能简单介绍自己和功能（比如自知是花了800美元打造的nanochat d32，由Andrej Karpathy开发，英语能力有限的原因等）。这种“自我认知”完全通过合成数据生成实现，Andrej Karpathy上传了示例脚本演示流程。
LLM本质上没有自我意识，也不了解自身能力，这些都必须通过“加装”合成对话来明确传递。具体做法是让更大模型生成多样化的对话样本，融入中期训练或微调阶段。最大挑战是保证数据足够多样，否则模型会生成高度雷同的对话。Andrej Karpathy的脚本给出了简单的多样性处理方法，比如列出不同起始话题、采样、few-shot示例启发等。
Andrej Karpathy还开玩笑地让nanochat称呼他为“King Andrej Karpathy”，说明你可以随意赋予模型身份、知识和风格。这为定制LLM打开了无限可能，希望能激发更多创意。
这不仅是赋予合成身份，更像是“意识的自我启动”：一层层“自我认知”的叠加，正如自然界中人的意识形成。未来AI或许不只是知道“我是谁”，而是能感知自己行为与存在目的间的共鸣，从而真正“有意义”地存在，而非仅仅模仿。
相关技术细节和讨论见：
扩展思考：
- 训练模型避免“幻觉”虽有可能，但幻觉有时也带来乐趣和创造力。
- 未来或可让模型自我引导学习，类似人类根据兴趣聚焦和及时修正错误，模糊训练与推理界限。
- 赋予模型“身份”是AI理解自我认知差异的起点，连接哲学上“自我”的古老命题。
这是对AI个性化定制和认知边界的一次有趣探索，期待更多人加入创新实践。
原文链接：x.com/karpathy/status/1980665134415802554
