之前就有注意到這篇文章，大概就留個心思等使用 codex 時必須關注下這個議題

OpenAI Codex 遭爆正殺死你的 SSD：21 天寫入 37 TB，不到一年燒盡硬碟壽命

這個應該是因爲使用了 agent 處理日常任務造成的，看新聞說的是 websocket 的日志是 trace 都記錄了，如果是 coding 使用場景，應該不至於，查了下 gpt 説的是這樣的用法

watch -> trace -> backgroun task
類似 codex agent --loop

- 閱讀剩餘部分 -

本章節要將情緒「分類」升級到「結構化輸出」

原本Stage 1 只回一個詞（喜悅）。Stage 2 要回一個 JSON 物件：

{
  "instruction": "分析以下文本的情緒，輸出 JSON：emotion（類別）、intensity（1-5）、trigger（觸發詞）、reasoning（分析過程）",
  "input": "他竟然在背後說我壞話，我真的快氣炸了",
  "output": {
    "emotion": "憤怒",
    "intensity": 4,
    "trigger": "背後說壞話",
    "reasoning": "「竟然」表示出乎意料的憤慨，「快氣炸了」是強烈憤怒的慣用表達"
  }
}

在這過程中要加入 COT，爲什麽呢？

- 閱讀剩餘部分 -

之前使用 kimi 生成約200筆數據，這次將數據量提高到 500~800 筆，再次進行訓練、測試，結果如下

Macro F1 = 0.74(三輪:0.62 → 0.57 → 0.74)，Accuracy 0.76。

- precision recall f1-score support
喜悅 0.90 0.90 0.90 21
悲傷 1.00 0.80 0.89 20
憤怒 0.93 0.59 0.72 22 ← 從 recall 0 救回
恐懼 0.74 0.95 0.83 21 ← 從 recall 0.11 救回
驚訝 0.67 0.29 0.40 14 ← 新的弱點
厭惡 0.54 0.90 0.68 21
macro avg 0.80 0.74 0.74 119

- 閱讀剩餘部分 -

評估結果如下，這是按照生成的數據進行訓練並進行測試給出的結果:

- precision recall f1-score support
喜悅 0.79 1.00 0.88 11
悲傷 0.44 1.00 0.62 8
憤怒 1.00 0.40 0.57 10
恐懼 1.00 0.11 0.20 9 ← 幾乎全错
驚訝 0.75 0.75 0.75 8
厭惡 0.83 0.62 0.71 8
macro avg 0.80 0.65 0.62 54

下面是評估結論

指標 結果 lab目標 達標
Macro F1 0.62 ≥0.75 ❌
Accuracy 0.65 ≥0.80 ❌
推理延遲中位數 178ms ≤500ms ✅
最容易混淆 恐懼 ↔ 悲傷(5 次) — —

- 閱讀剩餘部分 -

  1. 1
  2. 2
  3. 3
  4. 4
  5. ...
  6. 31