用户通宵测试GPT 6，一晚消耗13.24亿Token做了三件事

9月5日早晨8点，用户@Kay2289123 分享了他通宵测试GPT 6的一手体验，一晚用完两张重置周卡，一共消耗13.24亿token（词元，大语言模型处理文本的基本单位）。

第一件事是用GPT 6解读投行研报。用户表示，和Fable 5.1相比，GPT 6终于能讲人话，体验更像和真人同事对话。

之前的模型输出每个字都正确，但连起来读不懂，需要多轮追问；GPT 6可以一次说对内容，用户能顺畅读下去，这是最大的变化。

第二件事是用GPT 6帮普通人规划AI学习路线，指导普通人掌握特定领域知识，还能生成针对性简历，配合学习路径和方法，用于应对AI大厂的简历筛选系统。

用户提到，今年是大规模裁员开始的年份，普通软件开发工程师很快会面临职业困境，很多人有焦虑，想换工作却不知道从哪里开始学习。

用户将自己在硅谷一线大厂了解到的招聘原则、积累的学习资料和领域知识都输入给GPT 6，最终输出针对目标岗位的可编辑Word或PDF格式简历，可以绕过硅谷或任意大厂HR的简历筛选系统。

用户认为这个成果效果超过很多付费课程和人类简历修改导师，如果有人感兴趣，他会把这个内容发布出来供大家验证，目前已经给了自己团队的成员，希望能帮他找到好工作。

第三件事是用AI强化用户自己的投研策略，基于开源模型，通过监督微调（SFT）、微调（fine-tuning）和训练后处理，完整提炼用户的投研方式和决策逻辑。

大部分人提炼个人策略的方式是让AI读一遍自己所有文章，通过文本生成提示词给AI，用户认为这种方式会带来偏差和幻觉，抓不到精髓。

过去做机器学习、深度学习和股票交易，大多是把数据转成离散值或向量的数学表示。现在GPT 6能通过多模态加强化学习，全方位提炼用户个人的投资策略。

用户收集了自己过去一年所有交易记录，包含成功和失败案例，让AI回溯每天交易时的具体情况：自己的想法、宏观变化、微观变化、当时的市场大背景以及是否发生重要事件。

用户根据股价和AI发展，注入自己常用的交易思路，一共构建了9.6万条数据。GPT 6帮用户构建了环境、清理了数据，创建虚拟环境模拟股票交易，以盈利作为奖励来复盘用户偏好的股票和对应的市场判断。

不过这个任务目前失败了，一次查询就消耗掉周额度的240%，GPT 6为搭建强化学习基础环境写了2.3万行代码。

用户表示会继续推进这三个项目，这次是短期汇报，下一次会聊聊目前前沿大模型的局限性和弱点，以及如何规避。

针对提炼个人投研策略是否会过拟合的问题，用户分享了自己的看法，目前还没有相关回测数据，等搭建好环境完成训练后会做回测。

用户认为，这种个人策略提炼和机器学习、深度学习里的过拟合完全是两回事。通常机器学习和深度学习里的过拟合，本质是用离散或连续数据预测对数几率，计算损失获得更好表现，过拟合原因是维度不足，这类模型是尝试拟合所有公开数据，预测普适规律；而投研是预测个人精准投资偏好。

GPT 6本身已经具备足够的逻辑思维能力，学习到了客观知识，对自然、股市和知识规律都有基础理解，下一步就是做选择，这也是用户尝试把9.6万条真实交易策略提炼进去的原因。

用户的目标是让模型贴合自己的投资策略，如果真的贴合了用户自身，提炼就成功了。人们让AI学习投资大师的经验，本质上也是在引导AI的倾向和选择。