ChatGPT 的记忆功能，适合情感或哲学聊天。一旦要做严肃的行研或深度对话，最好还是临时对话模式。这样更能获取到客观信息。同时 ChatGPT 的记忆，稍微聊上十几轮对话，就会有点模糊混乱。还不如我大脑的记忆能力，经常得提醒 ChatGPT 记错了。最好的使用方式之一，是适时复制重要内容到文档里。需要的时候，再上传给 ChatGPT，让他基于文档内容，重新开始。这时，YouMind

#ChatGPT记忆 #YouMind优势 #AI局限性 #人脑记忆 #文档存档

相关新闻

xushiwei

2周前

所以看好agi能够快速落地的人都忽略了一个显性的事实：今天的ai，连肢体都没有，更不要妄论赶超人类。机器人之后才有agi。但是机器人什么时候能够真正进入千家万户？这个是当前更加现实的产业问题。机器人落地并不需要ai达到agi级别的水平。

木遥

4周前

另一个 Gemini Nano Banana Pro 仍然搞不定的问题是复杂的光学比如下面这个 prompt：画一个玻璃酒杯，里面有小半杯红酒。一个年轻女性端着酒杯凝视着红酒，酒杯的杯壁上倒映出女性的脸。感觉需要世界模型的突破才行。

宝玉

1个月前

你这就是对我的偏见了，总觉得我只是个搬运自媒体我好歹日常大量阅读、写代码、写提示词，捎带着搬运了一些还分享了实践经验。我本身也是 AI 乐观派，希望它越来越强，帮我干越来越多的活，也希望“AI成为编程架构师”。但是我们不能停留在空想，或者对未来的一种幻想，等着 AGI 的到来。说回具体的，AI 未来也许能成为编程架构师，但这套路径还很遥远，和 AGI 一样遥远： 1. 长上下文还

Y11

2个月前

真正理解F=ma的学生，能比背遍所有物理课本的AI解决更多新问题。这里的关键，不是死记硬背公式本身，而是理解公式背后的逻辑——力是改变物体运动状态的原因，质量和加速度是这个关系中相互关联的两个变量。这种理解就像掌握了开锁的原理，而不是记住每一把钥匙的形状。当遇到新问题时，学生能拆解现象，找到力的来源，分析质量的影响，再通过公式推断加速度的变化，甚至调整变量去验证不同条件下的结果。这

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3个月前

人类智能的生物优势-身心大模型啊没有“身”的纯心系统，会在 reward & data 的驱动下演化出各种表面策略（幻觉/谎言/胡扯都是此类策略在不同优化条件下的表现），因此“身”的引入是抑制这些策略退化的关键机制。 Paper – arxiv. org/abs/2509.04130 Paper Title: "The human biological advantage over AI"