第一次吃青芒  第一次吃青芒 前几天买了一份果切 里面夹杂着三根青绿色切成条状的水果 不认识，叉起来咬了一口 嗯 很特别的味道 不是很甜 也不是很酸 脆的 以前从没吃过 一口气把三条都吃完了 心想着，这一定是了不得的水果 不然怎么只给这么少分量 过了几天 预见一水果店 看见有果切 买了一份，问了一青绿色块状水果 曰：这是青芒 ..... 然来我心里装着的那个了不得的水果是青芒 吃几口到也挺不错 一个就吃不完了 意犹未尽才是最好的 不然吃饱了容易撑着

离线AI能蠢到什么地步？ 离线AI能蠢到什么地步？ 最近几天各家AI大模型你家唱罢我登场 那叫一个忙的不亦乐乎 先是Meta Liama3 系列 从8b到70b 着实火了一把 从一发布开始的当天晚上就有网友放出中文量化版 整天说被限制了买不到高端显卡 给我的感觉就是这届网友真有钱 这位大佬指定家里有矿，A800，还是4张，每张80GB显存，羡慕嫉妒恨啊  跟着微软的phi3 mini3b模型也发布了 模型太小，基本就是个摆设 阿里巴巴也发布了qwen 110b大模型，这个真牛逼 牛逼到上面那四张A800才跑的动，也只是勉强跑的动 民用显卡根本不敢说话 就连一向闭口不谈AI的苹果公司也按捺不住 而且一口气发布了4个模型 当然了，也是看客级别的 近几天着重测试了Meta Liama3 8B版本 寻常问题都是对答如流的 就这个体量的模型，有这个能力，已经很不错了 当然还有巨大的潜力 今天我给模型下达了几乎不可能的任务 看起来模型完成的非常好 不信你跟着往下看       模型大概被我气到了  已经泣不成声了  几乎不能回答完整了  如果需要我打分的话，给40分吧，满分120分的那种 我认为未来一年优化后可能达到70分左右 结论就是，目前离线模型几乎没什么用 再等一年吧，一年后估计有较大改观

目前生成式AI最大的短板是什么？ 目前生成式AI最大的短板是什么？  如图 最大的短板应该是默契 你不懂我 就算放一本百科全书加一本康熙字典在你面前你一样看不懂我 如果有默契 一个眼神就足以说明一切 例如下表格式，一个问卷调查，共8题，每题有多个备选项，至少需要选择3项  我需要做出统计，如下表，某一题中的各个问题被选择了多少次  对此，我将Excel表单基础数据整理好了，并且写了一份我的需求，如下： 第一页回收，是问卷结果集8列(共8个问题) 第二页统计表单的8个问题和对应的可选项，以及统计列，对应的是第一页的问卷结果集 我需要分析第二页的每一个答案，在第一页中的被选择了多少次 问卷一共收回了152份第7题为例， 选中关爱会主席的2个， 选择关爱委员会成员26个， 选择活动小组团长的6个， 选择活动小组政委的12个， 以上角色均不参加的106个 合计152个 我需要在第2页的统计表单做出统计， 意思是每一题中的每一个问题， 例如 M列的打造ABP文化建设和N列的计数， 每个问题在第一页中被选中了多少次。 数据清洗：将第一页的回收数据（152份问卷）与第二页的题目及可选答案进行对比，确保数据的一致性和准确性以第7题为例。 数据拆分：根据第二页的题目，将第一页的每个问题的答案拆分成对应的可选答案。 例如，如果第二页的第7题有四个可选答案（关爱会主席、关爱委员会成员、活动小组团长、活动小组政委），我们需要将第一页的相应答案拆分成这四个部分。 数据匹配：将拆分后的答案与第二页的可选答案进行匹配，统计每个可选答案在第一页中被选中的次数。 以第7题为例，我们需要执行以下操作： 确认第一页中第7题的答案分布情况。 将答案拆分成四个部分：关爱会主席、关爱委员会成员、活动小组团长、活动小组政委。 对于每个部分，统计在第一页中被选中的次数。例如，关爱会主席被选中2次，关爱委员会成员被选中26次，等等。 在第2页的统计表单中， A列是问题，b列是对A列的统计 同样，C列问题，D列是对C列的统计.... 对于每个可选答案，统计其在第一页中被选中的次数。 重复以上步骤，为第二页的每个题目创建统计表单。 先是问了智谱轻言 各种回复乱七八糟 百度则摆烂，直接不支持excel 月之暗面更简单了，直接罢工

怎样破解AI文章一眼假的问题？  如今感觉越来越离不开AI了 不管是代码类 还是工作总结类 都可以问AI 只要你问问题的足够精确 AI几乎没有废话 比他妈的某度简洁多了 你要什么给你什么 不像某度 要命 普通人用AI主要是做一些文案类的应用 例如工作总结之类的 还有写新闻通稿之类的 都离不开AI 但是有没有发现一个问题 不管你用的是老美顶尖的GPT 还是国内号称比GPT更牛逼的AI 输出的文章一眼即可辨别这不是人写的 这是为什么？ 究其原因 我认为这是目前AI最大的痛点 没有人类的情感 所谓的情感 当然由最基本的喜怒哀乐组成的 例如本文开头的那几句 他妈的 除非你给AI特定的身份标签 否则AI绝对不会输出这几个字 这就是典型的情感 还有一点 AI输出的几乎不会有错别字 《康熙字典》共收录汉字47035个 1915年中华书局出版的《中华大字典》共收字48000余个 1986年到1990年的《汉语大字典》收字54678个 1994年出版的《中华辞海》，共收汉字87019个，其中重复字320个 字数最多的要数日本《今昔文字镜》，收录汉字超15万 GB 2312标准共收录6763个汉字，已经覆盖我们99.75%的使用频率 据统计，1000个常用字能覆盖约92%的书面资料 2000字可覆盖98%以上 3000字就已到99%了 综上所述，就算一共有15万字，加上这些字组的词，组的句子 算100万字 典型的AI包含了多少信息呢？ 最简单的模型3B 即30亿 这是能加载到手机上的模型 电脑上使用的离线模型一般使用7B或以上 一般来说，小于7B的不建议使用 智商有限，本文不做展开讨论 一个简单的30亿参数的模型几乎包括了人类最常用的所有信息 更别说简单的文字了 AI写文章几乎不会出现任何错别字 为什么不是100%呢？ 毕竟模型是人类训练的 只要有人类参与 不可能达到100% 想必这就是硅基生命为何要取代碳基生命的理由之一吧 又扯远了 回头再来说 AI生成的文章是生成式的 具有随机性 专业名词叫做随机种子 但是万变不离其宗 人类训练AI模型时 是按照人类最常见的 最简单的 大众所熟知的 教科书式的 例如代码规范 100%按照官方规范投喂的 例如生成式文章 都是拿名人名作去投喂的 所以你跟AI说 请模仿鲁迅的文笔给你写一篇文章 那真是毫不费力分分钟就好 正因为AI的守规矩 所以就有了方圆 这里的方圆就是一个圈圈 只要是AI写的文章 都出不了圈 一眼就可以识别这是AI写的 例如人类会经常说些倒装句 这是AI写的吧，这篇作文 这是AI写的吧，这篇论文 这是AI写的吧，这首歌词 你吃了吧，中饭 你交了没有？学费 看了小视屏里面教程，一边看一边做，我真是学废了 我左手一只鸡，右手一只鸭，嘴里喝着8瓶娃娃 是不是就没有AI色彩了 而是感受到了人类的色彩 所以 AI写的文章 你得再改改 改个倒装句 故意写错几个字 同音不同义的 等等等等 可以比较快速的抹除部分AI痕迹 到底能抹除几分，那要看你用心几分了