Springboards 意识到参数对于它想做的事情来说是生硬的工具。全面提高随机性是没有意义的。他说，你只想在输出的特定点提高它。
例如，当您问聊天机器人“我应该去欧洲哪里？”该模型只需要在命名目的地之前调整随机性，而不是对其响应中的每个单词进行调整。
为了让 Flint 做到这一点，Springboards 训练了 Qwen 3 版本，以识别其输出中可能存在更多变化的点，并用更随机的单词或短语填充这些点。
“弗林特的计划是抛出一个奇怪的人。这更像是邀请人们进行更广泛的思考，”营销公司 Uncommon 的联合创始人兼首席战略官马克西米利安·韦格尔 (Maximilian Weigl) 说。 “这太有趣了。”
Weigl 的团队将 Flint 与 ChatGPT、Claude 和 Gemini 一起使用。 “你无法用工具真正创造出一些突破界限的东西，让你回到平均水平，”他说。
但韦格尔指出，十分之九的平均值都还不错。他说，你并不总是需要在像弗林特这样的东西上走极端：“大多数人都觉得足够好就行了。他们希望看到大众市场熟悉的东西。”
韦格尔还警告不要过多使用任何法学硕士。 “当人们依赖任何人工智能（包括弗林特）的输出时，我遇到了一个大问题，”他说。 “如果我看到团队中的人复制粘贴人工智能的内容，我会说，‘这不是你的工作！思考，与其他人交谈，用你自己的声音。’”
目前，Flint 的目标客户是广告商和营销商，因为他们是 Springboards 的客户。但宾格曼和布朗坚持认为，缺乏多样性对于任何使用聊天机器人的人来说都是一个问题。
宾格曼说，这个想法是给人们选择的机会，并让他们自己决定结果是否好。 “当你试图激发创意时，多样性是很棒的，”他说。 “让我们沿着这条路走下去，而不是让机器完成这一切，最终进入一个灰色、无聊的世界。”
#法学硕士陷入了群体思维的困境这家初创公司正试图将他们赶走