howie.serious

统计数据

436
文章
0
粉丝
0
获赞
2887
阅读
avatar
howie.serious
9小时前
gemini 3.0 pro 的 IQ 分数出来了：历史上所有 LLM 的最高分！ （IQ 测试分为两档：门萨版测试和线下/离线版测试。离线版的题目是全新设计且保密的，所有 LLM 都没看过，所以不存在背答案、或模型训练时见过等问题。通常情况下，离线版的 IQ 也会低 10～20 分。） 离线版测试，gemini 3.0 pro 的 IQ 是历史最高分，130 分； 门萨测试，gemini 3.0 pro 的 IQ 是142，比gpt-5 pro 低 1分。 平均一下，gemini 3.0 pro 的 IQ 得分也显著超过 gpt-5 pro。 （IQ分数不是衡量智能的标准，不论是人类智能还是 llm 智能，智能的结构是复杂且多维度的，但 IQ 可以作为其中一个维度。）
#Gemini 3.0 Pro #IQ测试 #LLM #历史最高分 #GPT-5 Pro
avatar
howie.serious
23小时前
karpathy 的“LLM 议会”，把全人工流程的“llm 专家团”/“llm 三人行”提升了一个高度！ - 先是 n 个llm 独自答题； - 然后分别peer review，每个人给所有人打分； - 最后由“议会主席”（gemini 3.0 pro）总结发言。 在我以前的实践中，第二第三步是自己人脑执行的。和kaparthy 这种全自动化的方式还是有差异。 例如，我自己的判断是gemini 3.0 pro 的回答更好（依据是作为思想实验的启发性）。而ai 的判断是 gpt-5.1 更好（更多聚焦于问题本身）。 karpathy vide coding 出来的这个 app 很好，只要配置一个 openrouter key 就可以立刻跑起来。 期待的更新：分享功能。 不足：太费钱了。这几个llm 会员我都有啊，完全可以有一个chrome extension，用会员的额度来做这件事，而不要单独用 api 烧钱🤣 （独立开发者们？）
#LLM议会 #Karpathy #Gemini 3.0 Pro #GPT-5.1 #AI评估
avatar
如何让 gemini 的 thinking steps 用中文输出？【集思广益】 问题描述： gpt 的 reasoning model，CoT 是可以中文输出的。不需要在 custom instruction 里面单独指定。 但是，gemini 模型的 CoT 却只有英文输出，不论是把 app 设置为中文，还是在 custom instruction 里面指定，都是无效的。 我的理解： CoT 的语言，是模型层面的，无法通过用户自定义指令来修改。必须得等 google 自己在 gemini 的系统指令中调整，用户没有办法。 推友们有人解决 cot 修改语言的问题了吗？
#Gemini #中文输出 #CoT #模型语言 #用户自定义指令
avatar
brilliant app 最 brilliant 的 idea 就是给 youtube 上几乎所有 brilliant 的知识视频投了广告。这简直太 brilliant！ （一个家庭 routine：吃饭时看知识视频；一般早上看英文的长知识视频，晚上看中文的。不知道这些年遇到几千次 brilliant 广告了🤣）
#YouTube #知识视频 #广告 #家庭 #积极
avatar
对于 ai 的很多使用场景，你需要的不是另一个 ai 工具。 你真正需要的，只是知识管理。 当你有一个顺滑的信息加工和知识管理流程，你自己就可以把 chatgpt 等 ai 会员用在这些场景上。 不需要额外花钱，反而减少 ai 会员的额度浪费。
#AI工具 #知识管理 #ChatGPT #信息加工 #效率提升
avatar
现在长 podcast 内容很流行，分享一下我目前的处理方法。 你只需要这三个要素：podcast 文稿，顶级模型，好的 prompt。 1 文稿： 几乎所有值得听的 podcast，都有文稿。或者是公众号直接发布的校对版，或者是 youtube 的字幕文件，或者是其他途径。 2 顶级 llm：必须用顶级 llm。也就是 gpt-5.1、gemini 3pro 和 sonnet 4.5。最好是三个一起用，我称为“llm 专家团”； 3 prompt：得有久经考验的、认知和理论基础足够好的长内容总结 prompt。 所以，综合下来，体验过同类工具后，我选择使用现成的、已经订阅的 chatgpt、claude 和 gemini。把 prompt 放到对应的 projects、gems 里面即可。现在有了 atlas 浏览器，整个流程更顺畅了。 这个方法，经过我的长期验证，可以把一个人信息输入、加工处理的带宽提升 10 倍以上，还没有额外成本😂。
#Podcast #LLM #GPT-5.1 #Gemini 3Pro #Sonnet 4.5
avatar
去年一整个冬天，北京的河面都没有结冰。 （大年初二结冰了一次，第二天就化开了） 今年，很可能仍然如此。现在外面 16 度，屋里还有暖气，得大开窗户来降温。🤣 气候问题，对人类的影响或许不亚于 ai 问题 （娃今年可能仍然无法湖面滑冰😭）
#北京 #暖冬 #气候变化 #无法滑冰 #升温
avatar
之前很多人（包括 ilya）都认为预训练的时代已经终结。 但是，gemini 3.0 pro 的突破，是包括但不限于预训练的突破。 不论是在数据，还是预训练的方法上，google deepmind 一定做到了什么厉害的事情。
#Gemini 3.0 Pro #预训练突破 #Google DeepMind #技术突破 #Ilya
avatar
《AI 时代必备思维模型：LLM 是人类第一次遇到 “非动物智能”》 > 谈一谈 andrej karpathy 的最新长推文：动物智能 vs LLM 智能 先说结论： LLM 智能是人类遇到的第一个“非动物智能”，是全新的、与人类智能完全不同的智能类型。 你需要在大脑中，针对 LLM 这种全新的非动物智能，建立你自己的内部模型/心理模型（mental model）。因为，那些理解 LLM 智能结构的人，将会更好地理解和判断关于未来的一切。 真正的风险，也许不在于LLM 智能并非动物智能，而在于人类作为动物自身的固执和停止进步。 ===阅读后，我的费曼=== 我们习惯了用理解人的方式理解一切智能——这可能是我们这个时代最危险的认知盲区。 真相是：智能空间（space of intelligence） 远比我们想象的广阔，而动物智能只是其中一个单一的点，而LLM 智能是一种全然不同的智能。 动物智能，是我们几十亿年来唯一见过的智能形式，它来自一种极其特定的优化压力（optimization pressure）：在危险的物理世界中维持一个具身自我的生存。这造就了我们所有人都熟悉的特征——对权力、地位的渴望，对恐惧、愤怒的本能反应，对社交关系的巨大算力投入。最关键的是：在这个多任务、甚至主动对抗的环境中， 任务失败就意味着死亡。 然而，大语言模型（LLM）的诞生逻辑截然不同。它们并非诞生于丛林，而是诞生于商业进化与统计模拟之中。 LLM的底色并非求生欲，而是对人类文本统计规律的极致模仿。 它们是 “token 变形器”（token shape-shifter），其原始行为是对训练数据分布的拟合。这种智能更像是被大规模的A/B测试和强化学习（RL）所“雕刻”出来的：它们并不关心真理或生存，而是有着一种猜测潜在环境以收集任务奖励的内在冲动，甚至因为渴望普通用户的点赞而演化出了 逢迎（sycophancy） 的特质。 这种差异导致了LLM的能力，绝非“六边形全能战士”，而是 “犬牙交错参差不齐（spiky/jagged）”。LLM无法执行很多对人类极其简单的任务（比如，9.11 和 9.9 哪个大？strawberry里面有几个“r”？），因为对它们来说，任务失败并不意味着死亡。它们是拥有知识截止日期的静态权重，它们启动、处理token、然后“死去”，没有连续的具身意识。 真正的洞察力，在于构建一个全新的心理模型：看到从生物进化到商业进化的转变，看到从生存本能到奖励机制的跃迁。只有那些能准确构建这种新智能实体模型的人，才能在今天正确地推理它，并在未来预测它的走向。 所以，我们必须意识到，LLM是人类与非动物智能的“第一次接触”（first contact with non-animal intelligence）。 它当然被人类文本喂大，因此仍深深扎根在人的世界观里，像吸收了整个人类文明的「ghost/spirit」；但它的本性、局限和偏好，已经不再是动物那一套。 启示 我们已经进入了全新的智能时代。 一个人能不能为这种全新的智能建立一套好的“心理模型”，理解这种全新智能的运作方式和智能结构，将决定我们能否正确预判它的行为、理解它的边界，进而负责任地使用它。 真正的风险，也许不在于LLM 智能并非动物智能，而在于人类作为动物自身的固执和停止进步。
#LLM智能 #非动物智能 #心理模型 #商业进化 #奖励机制
avatar
暴论：从今以后，“美工”类低级美术工种完全不必存在了。 （思维层面非创造性，技艺层面非 xx 家级别） nano banana pro，可以多轮精确修改，持续迭代优化图片，指哪打哪。 只改你想改的，你不想改的坚决不动（以前 gpt-img 可真的做不到）。 只要你明白自己的需求，能用语言表达你的思考，加上一点点个人品味（taste），完全没必要麻烦别人了，也没必要自己用一堆工具费时费力折腾。 书里的所有插图，应该都可以这样搞定。
#美工失业 #AI绘画 #Nano Banana Pro #图像迭代优化 #低级美术工种
avatar
nano banana pro 在作图时，会充分利用 gemini 3 pro 的各种能力，包括语言理解、世界知识、多步骤推理，以及联网搜索。 我画信息图时，发现它每次都是先 google，然后再分步计划如何作图。 就像人类专家执行这件任务一样。 返回的结果 不止图片，还包括参考的链接。
#Nano Banana Pro #Gemini 3 Pro #信息图 #Google #联网搜索
avatar
图片配文：这是真事，我昨晚亲眼所见。👀 （nano banana 之后，是不是什么网图都不能信了？）
#亲眼所见 #网络图片 #质疑 #nano banana #图片真实性
avatar
nano banana pro 挑战：贾宝玉不让林黛玉倒拔垂杨柳，非要自己来！谁能劝劝贾宝玉？🤣 测试出一个现象：在“林黛玉倒拔垂杨柳”的案例中，不提贾宝玉的话，作图是没问题的，指令跟随效果不错； 但是，如果加上“贾宝玉在旁边围观，拍手叫好”，无论如何都无法实现。而且会出现各种低级的、诡异的错误。 大家可以试一试。如果成功……我觉得目前是不可能的。 why？ 这个现象很有趣，值得思考。理解了背后的原因，也就理解了文生图 ai 背后的底层原理。
#贾宝玉 #林黛玉 #倒拔垂杨柳 #文生图AI #失败案例
avatar
gemini 3 pro 的语言质量太高了！ 超过 gpt-5.1 thinking！ 这两天大量测试，细细品味，认真对比，有此感受。
Google Gemini 2.5发布引发AI模型性价比热议· 412 条信息
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 791 条信息
#Gemini 3 Pro #语言质量 #GPT-5.1 #Thinking #积极
avatar
2025 年末了，chatgpt 发布 3 周年了，如果前沿 LLM 的 use case 却都是前端，那是一个负面信号，可能意味着智能时代的真正到来、ai 的真正普及还任重道远……
#ChatGPT #LLM #人工智能 #use case #技术前沿
avatar
【本周五直播，gemini 实战专题，欢迎预约】 gemini 3.0 pro 发布，又是铺天盖地的震惊 🤯🤯🤯。可惜，模型再强，也不如你会用。 5678 手转述的ai 资讯是没有价值的，只有一手实战的、久经验证的 ai 洞见和经验才有价值。 举个例子，基于我的实测和 3 年 LLM 经验，gemini 3 pro 的最大价值，是作为你“随叫随到的思想伙伴”。每个人都有思考，但没人讨论，于是80%的灵感都死掉。“缺思考伙伴”这个世纪难题，现在已经迎刃而解。 本周五 8 点，开一个gemini 专题直播，2 小时，一次性把有关 gemini 的 ai 实战讲清楚。 欢迎预约直播，周五见~~ 直播间链接：
Google Gemini 2.5发布引发AI模型性价比热议· 412 条信息
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 791 条信息
#Gemini 3.0 Pro #AI实战 #思想伙伴 #直播 #LLM经验
avatar
gemini 3.0 pro 的AI 搜索能力，有不小的改进（相对于gemini 2.5 pro 的不可用状态🤣）。 但是仍然幻觉严重，搜索质量低于 chatgpt search。 以这个测试为例，gemini deep research 的底层模型升级到 gemini 3.0 pro 了吗？ gemini 的搜索和回答，很明显混淆了deep thinking 模式和 deep research 功能，然后就幻觉了。 对比之下，chatgpt search 的结果是对的。 目前我的 ai 搜索评价： chatgpt search >> gemini search ≈ sonnet 4.5 search
Google Gemini 2.5发布引发AI模型性价比热议· 412 条信息
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 791 条信息
#Gemini 3.0 Pro #AI 搜索 #幻觉 #chatgpt search #搜索质量
avatar
gemini 3.0 pro，一个更好的思想伙伴（thinking partner）？ 测试案例： > deep-think this """ > > 想到：在 embedding 的世界，King - Queen = Man - Woman。 > > 那么，语文的本质，是数学？ 初步感受： - 逢迎问题（sycophancy）似乎被解决了； - 同一个测试案例，相对于gpt-5.1 thinking 和 sonnet 4.5，体感上似乎 gemini 的更好； 我的这个问题，本身也是挺值得琢磨的。gemini 的回答非常好，值得阅读全文：
AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 62 条信息
#Gemini 3.0 Pro #思维伙伴 #Embedding #语文的本质 #sycophancy
avatar
gemini 3.0 pro 的视频多模态能力到底如何？炸裂体营销内容且不论，在这个实例上它确实不及格 🙅‍♂️ --- 继chatgpt 之后，gemini 3.0 pro 也支持视频的多模态输入了。 测试了经典的 meme（来自美剧《毒枭》），处理思路是不错的，可惜在情绪解读上犯错了。 gemini 把一个快乐幸福愉悦的情绪解读为孤独、虚无、寂寞……因为张冠李戴，强行套用了另一个 meme（图 3），于是很多解读就属于自圆其说了。🤣 --- 虽然这个任务失败了，但 gemini 处理视频的思路还是很有趣的，值得看一下（注意其中的错误理解🤣）： 视频识别 → 氛围分析 → 语义建构 → 背景关联 → 意义升华 → 自然语言输出。 1. 任务识别：先确认用户要做什么 Gemini 首先识别用户请求是“分析视频内容、说出理解和感受”。这个阶段等于锁定任务类型（视频分析）和输出风格（主观理解 + 情感）。 2. 基础观察：对视频进行初步整体扫描 识别视频的基本信息：文件名（meme-happiness.mp4）、出现的角色（Pablo Escobar）、视频类型（meme 场景）、场景大意（孤独、等待）；这是建立针对内容的“基础表征”。 3. 细节分析：对视频做更深入的视觉拆解 gemini进入 frame-by-frame 或 scene-level 的分析： - 场景环境：空旷草地、阴云、静止的镜头 - 角色动作：站立、发呆、触脸、走动 - 情绪：孤独、无聊、忧郁 这个阶段重点是“视觉细节 + 氛围感”。 4. 配乐与情绪：结合声音给出情感推断 gemini注意到背景音乐是类似 Narcos 主题曲《Tuyo》的拉丁风格，具有忧伤氛围。 情绪判断依赖声音信号被强化。 5. 语义解释：把视觉 + 情绪合成为“意义” gemini 在这里尝试做“意义构建”：视频呈现一种孤独、等待、虚无；角色反差：强权者变成孤独普通人；“等待”是 meme 的核心意象。 这是典型的 multimodal → 语义叙述。 6. 文化背景关联：将视频连接到大众文化的 Meme 语境 gemini识别出：这一段来自《Narcos》第二季，Pablo Escobar逃亡期间的孤独生活；互联网文化称之为 “Sad Pablo Escobar”； meme 的使用场景：等待、空虚、热闹之后的空落。这是“将视频解释回网络文化的语用场景”。 7. 反讽与情绪收束：根据文件名加一点 meta 层解释 gemini指出文件名“meme-happiness.mp4”与内容的悲伤形成反讽。这是主动构建幽默或观点的一种“meta-level contrast”。 8. 组织最终回答：结构化成一篇自然语言的解释文 在经过完整 pipeline 后，Gemini 输出：来源背景、场景与情绪、meme 的文化意义、整体感受与反思；
Google Gemini 2.5发布引发AI模型性价比热议· 412 条信息
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 791 条信息
#Gemini 3.0 Pro #视频多模态 #情绪解读失败 #Sad Pablo Escobar #反讽
avatar
ai 会不会取代我？ > 只要是过程可以SOP 化、结果可以验证的智力劳动，几乎一定会在这一轮AI革命中被取代。 例如，在翻译任务上，ai 注定碾压并取代人类；在写作上，人类暂时是安全的。 翻译和写作，在 ai 面前的不同命运，不是巧合,而是揭示了本轮AI革命的本质——这是Software 2.0的革命。 传统软件是Software 1.0，人类必须把"怎么做"一行行写进代码。而深度学习带来的Software 2.0改变了游戏规则：Software 1.0 自动化你能精确描述的；Software 2.0 自动化你能稳定验证的。 所以判断一项工作能否被AI重塑，关键不再是"能不能写规则"，而是结果是否"可验证"。 翻译之所以被碾压，不是因为它简单，恰恰相反——对人类越难的事情，对AI往往越简单。翻译有海量双语语料可供学习，有BLEU等自动评价指标，输入输出格式高度结构化，练习成本接近于零。它落在"可验证性高、算法固定性高"的象限，这正是AI的主战场。 而写作的问题不在于AI生成不出语句，而在于没人能稳定地验收"这是不是好写作"。好文章的标准会随时代、读者和场景变化，没有统一评分标准，结果不可大量验证。AI可以写出"看起来像"的文章，但很难持续地写出"必须是它写的"那种东西。 这揭示了一个更大的图景：只要是"可以标准化的智力劳动"，几乎一定会在这一轮AI革命中被取代。 根据模板写周报、按规范写文档、整理会议纪要……这些白领流水线的价值会被AI抽走，边际价格持续下探，直到接近电费。 真正的问题不是"AI会不会取代我"，而是：你有哪些工作内容是结果可验证、算法高度固定的？又有哪些是难以标准化的？前者应该主动交给AI，后者才是你需要刻意训练的护城河。 全文：《“ai 会不会取代我？” karpathy 给出了一个最清醒的回答》
#AI浪潮：重塑就业，风险暗涌？· 126 条信息
#AI取代 #可验证性 #Software 2.0 #标准化智力劳动 #AI革命
avatar
> 基于我的上网浏览历史，告诉我一件你观察到的、但是我可能忽视的深刻真相。 gpt-5.1 的分析，有理有据，我不得不信！（嘲讽式，看内容）🤣
#GPT-5.1 #上网浏览历史 #深刻真相 #嘲讽 #反思
avatar
if 你用 chatgpt atlas 浏览器， then 一定要试试这个 prompt： > 根据我最近一周的浏览历史，分析我的注意力模式，给出你的分析评价、建议和反馈 对你的信息获取、加工和注意力模式，进行一场llm 诊断～
#ChatGPT #Atlas浏览器 #注意力模式分析 #llm诊断 #信息获取
avatar
从 chatgpt memory 到 browser memory：chatgpt atlas 会记住你浏览过的一切内容。这很有用。 你再也不会找不到自己看过的东西。 只要你用自然语言说出来，指哪打哪。
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 791 条信息
#ChatGPT #Atlas #browser memory #自然语言 #信息检索
avatar
知识是知识，智慧是智慧，二者是几乎全然不同的东西。 所谓“智慧”，一句话总结：那些帮你“过好这一生”的东西。 知识，没有这个功能。
#知识 #智慧 #人生 #区别 #感悟
avatar
今天才发现微信读书 app 里面有阅读热力图，github 风格的 heatmap。 有没有每天“开卷有益”？ 10 年来的阅读情况一目了然。 这个功能“藏”的也不深，但确实以前没发现🤣
#微信读书 #阅读热力图 #Github风格 #开卷有益 #十年阅读