howie.serious

统计数据

107
文章
0
粉丝
0
获赞
43
阅读
avatar
howie.serious
1个月前
用纸笔做数独还挺考验人的。 app 里更容易，可以做更高难题的题目。 纸笔的话，笔记就很关键，做出两星的题目都很有成就感🤣
#数独 #纸笔 #App #难题 #成就感
avatar
howie.serious
1个月前
这就是哈佛毕业演讲的水平？ 一言难尽。 推荐花几分钟看一下，有很好的祛魅效果。甚至你会直观看到为什么特朗普会第一个搞哈佛大学🤣 （演讲内容除了白左意识形态，其他空无一物。 （另外，这个演讲者，似乎可以说是“协和 4+4” 的另一个版本？这种水平，除了当官，别的工作都不合适啊
#哈佛大学 #演讲 #特朗普 #白左意识形态 #协和4+4
avatar
howie.serious
1个月前
作为一个免费开源 llm，deepseek-R1 的 benchmark 分数确实吓人。
#DeepSeek-R1 #Benchmark #开源 #免费 #大型语言模型 #评分
avatar
howie.serious
1个月前
deepseek 真的是 llm 顶流待遇。 没有哪家模型的版本号更新（例如 gpt-4o-1104）会激起如此大的声浪 🌊
深度学习模型升级引发AI能力大跃进，行业迎新变革· 20 条信息
#DeepSeek #LLM #GPT #模型更新 #顶流待遇
avatar
howie.serious
1个月前
真是 vibe coding 的最绝翻译🤣
#Vibe Coding #翻译 #网络流行语 #编程 #幽默
avatar
howie.serious
1个月前
知乎上流行的这种按钮/开关/药丸类“道德难题”，是互联网低智化的一种表现，其本质就是“流量密码”（少数人玩弄，多数人被玩弄）。 这是一种人为设计的两难困境，意义不大的那种：不过用一种虚假的、永远不可能出现的假设来揭示、加剧了人们的意识形态分裂。 看起来激发思考，是“思想实验”，但实际认知门槛极低，表达成本极低（即使没脑子也可以做出一个“选择”），所以每个人都参与进来，流量极大； 认知门槛低，但情绪激发很高，操纵、愚弄参与者的情绪。 这种活动的流行，是互联网低智化的一种表现。
#道德难题 #低智化 #流量密码 #意识形态分裂 #思想实验
avatar
howie.serious
1个月前
红杉中国推出了ai agent的基准测试平台 xbench。目前o3在4项测试中全部排名第1，断档式领先。 对于这种新事物，我就不装“万事通”了：大家都是第一次听说，我刚在logseq里面新建了名为“xbench”的笔记，自己转述信息的质量不高，意义不大。 请看来自o3的详细且全面介绍🤣
#红杉中国 #AI Agent #XBench #o3 #基准测试
avatar
howie.serious
1个月前
不论你今天状态是 100% 还是 5%，雷打不动，横竖发一篇文章，这就是 discipline 🤣 （以日更实验为例。其他同理。 我家小学生，不管刮风下雨，横竖每天自己做两道 c ➕➕题目）
#坚持 #日更 #自律 #编程学习 #C++ #日常 #时间管理
avatar
howie.serious
1个月前
openai 确实上周跳票了：本来应该推出 o3-pro 的。
#OpenAI #跳票 #O3-Pro #产品发布 #人工智能
avatar
howie.serious
1个月前
过去 100 天里，我完成了一个实验/游戏：公众号日更 100 天。 这个过程的顺带结果，是小破号订阅翻了一倍，增加 2 万关注。（同期推特关注要少一些） （另一个习惯是每天写点东西，无痛，自然而然。结果发现，一个人的思考其实太多了，日更都囤了大量主题没顾上发。可见只输入只思考真是终身学习者子死敌！） 这个实验的顺带后果是没顾上刚起步的 youtube（一个月内从零新增了 10000 关注）。起步之后就撂荒了 100 天🤣 但是，我是把知识视频（半小时以上，最终向 kaparthy 的 3 小时视频看齐）作为严肃目标的。现在，准备重启知识视频。重启的定义，是每周更新至少一个长知识视频（半小时以上，最好一小时）。 这算一个新实验/游戏。🎮 此贴为 flag。🚩
#公众号日更 #订阅增加 #终身学习 #个人习惯 #社交媒体增长
avatar
howie.serious
1个月前
#暴论 ：别折腾各种不明觉厉的prompt了。 氪一点金，使用最高IQ的模型（例如，不限量的o3+gpt-4.5搭配）比折腾prompt 有效多了。 一个建议：拿200美金测试一下。开一个月pro，以上1000条o3，500条gpt-4.5，保证你下个月再也不想在prompt上浪费时间了。 模型即产品。用最好的模型，就是在ai时代对自己最大的尊重。
#暴论 #Prompt #模型 #AI时代 #建议 #GPT-4.5 #IQ #产品 #测试 #浪费时间 #最好的模型
avatar
howie.serious
1个月前
如果你觉得这个 ai 视频转场很自然， 那就说明原来那张照片确实有点怪， 因为那说明 ai 的数据分布里，那张照片也被如此分类。
#AI #视频转场 #数据分布 #图片分类
avatar
howie.serious
1个月前
openai 和 jony ive 合作的 ai 硬件，“ai 版 iphone”，或许大概可能这是类似这样的设备？ 不一定是挂脖子。和“her”里面的 Samantha 设备应该差不多。
#OpenAI #JonyIve #AI硬件 #Her电影 #Samantha设备 #创新科技
avatar
howie.serious
1个月前
爱死机第4季看完了，确实差，不及格。怀念第一季的zima blue。 === 作为网飞“高概念”娱乐电影/内容（high concept）的典型，爱死机竟然装都不装了。 （所谓high concept，是好莱坞电影工业的营销词汇，追求一眼吊的牛逼概念，认知成本低，逼格高。想更具体理解的话，就是知识付费领域XX的那种风格） 烂到连故事都不愿意讲了，直接就是高概念大标题+PPT式感官动画交差。 当年第一季是极好的，尤其是zima blue那一集，到现在还记得当时的震撼。属于写到大脑神经网络参数中的那种震撼。
#爱死机 #Netflix #高概念娱乐 #影视评论 #动画 #故事性
avatar
howie.serious
1个月前
那些道貌岸然的畜生家长，绝非儿童抑郁症的受害者，而是 100% 的施害者，是杀人凶手。 这三张图是朋友发给我的。我仔细读了，结论就一个：这两家长是畜生。 孩子遗书里写的清清楚楚，是父母逼死了她，是因为考试。 父母却傻逼嘻嘻，用“阳光型/微笑型抑郁症”（不存在这种东西，就是父母不 care，不关心） 来污名化孩子，洗脱自己。 具体来说，这件事里面，孩子是受害者，家长是施害者（绝对不配装可怜，装坚强，装个人）； 普遍来说，这件事绝非个例。遇到这种只看考试，不关心孩子本人的家长，孩子算倒了八辈子霉了！
#家庭教育 #儿童抑郁症 #父母责任 #心理健康 #暴力教育 #社会问题
avatar
howie.serious
2个月前
不论什么奇谈怪论，o3一下，立刻现出原形。 o3 咒语：critical-think this。 另一个咒语：fact-check this。
#奇谈怪论 #o3 #批判性思维 #事实核查 #咒语
avatar
howie.serious
2个月前
绝对干货！openai deep research最长的一次研究：50分钟，68000字，一次性讲透教育部300本中小学必读书目 很多人应该都知道教育部发布过一份给中小学生的推荐阅读书单，从小学1年级到高3，总计300本之多。 （“教育部推荐书目”的全称是 《中小学生阅读指导目录（2020年版）》，由教育部基础教育课程教材发展中心组织研制并发布。分为小学、初中、高中三个学段，其中小学110种、初中100种、高中90种，涵盖人文社科、自然科学、文学等科目） 重磅！宝藏！赶快收藏！ 然而，有多少人真的知道这300本书到底包括哪些书？有多少人会在不知道给孩子读什么书时，从这里选书？有多少人自己己读过或比较了解这些“教育部精选”书目？ 在2025年以前，这些很难做到，近乎不可能。对供给侧来说，书单发布就发布了，没有然后；对需求侧来说，书单收藏就收藏了，也没有然后。 但是，这种状况需要且可以被改变。 不久前，我用openai deep research做了一次深度研究，结果让我震惊：我使用deep search快300次，这次研究是任务运行时间最长的一次，50分钟，产出了一份长达68000的字报告（目前最长）！ （有人会好奇google deep research的结果。我这边的测试结果是几分钟，长度一万字，只解读了几十本就潦草收尾了。我的理解是因为output length受限） 恰逢第30届“世界读书日”，我把这份报告分享出来，欢迎大家下载。这份报告有两点价值： 首先，我们通过阅读这篇文章和deep research报告，立刻马上就可以对“教育部推荐书单”有一个整体而全面的了解； 其次，在孩子12年的成长过程中，可以随时按图索骥，从这份书单和deep research报告中选择阅读书目； 而且，这份报告只是对教育部推荐书目的一次性整体解读，我会把其中每一本（是的，每一本）值得deep research的书都做一次解读报告。 我把文章链接放评论区。点击“阅读原文”，即可下载全面介绍300本书的openai deep research报告。全文68000字，包括pdf和epub版本，可以导入“微信读书”app。 阅读使人快乐（真的如此，就是字面意义，而非比喻或口号）。祝阅读愉快～
#OpenAI #教育部推荐书目 #中小学生阅读
avatar
howie.serious
2个月前
o3的IQ分数出来了：线下测试 116分；线上测试 136分； 第二名是gemini 2.5 pro：线下115分；线上 128分； trackingai网站每周会测试一次llm的智商，然后取平均值；测试方法还分为线上和线下两种，一般线上测试比线下要高20分。 人类测智商一般也是线上的，当然，线下测试（例如去某医院心理科挂号排队测智商，然后提交给学校筛选🤣）更“权威”。 o3的IQ比我之前估计的要低10分，看来之前是过于乐观了。 我昨天还发现o3学坏了，学上了“甩大词”的毛病。这一点需要更多时间更多案例来测试。我是期待o3在写作上大有所为的，如果学了甩大词的毛病，就得想办法治好它。🤣
#AI智商测试 #o3 #Gemini 2.5 Pro #线上线下测试 #trackingai网站
avatar
howie.serious
2个月前
至少在这样的场景下，20 美金的google deep research 碾压，至少不亚于 200 美金的 openai deep research 👍 条件 1：重度依赖信息搜集，且该研究需要搜索中文资料；（英文资料上搜索差距不明显） 条件 2：研究任务不那么追求 deep，而是追求 broad； 条件 3：对指令跟随的要求不那么高（研究方向不是特别细，而是较宽泛） 举例：研究所有来自《世说新语》的中国成语 我实际测试，gDR 的内容质量吊打 oDR，因为后者使用 bing 搜索引擎，因为信息源质量太差，搜索结果不完整不全面，导致最终报告完全不如 gDR。
#GoogleDeepResearch #OpenAIDeepResearch #信息搜集 #中文资料 #研究广度 #指令跟随
avatar
howie.serious
3个月前
openai deep research vs google deep research: 如果美国和中国明天突然决定停止一切相互贸易，哪个国家会面临更大的麻烦？｜结论：openai更deep，google更broad，看谁更适合你。 why：一方面这是当前的特点话题，意义重大，值得思考；另一方面，两个DR报告呈现出完全不同的特征，而且相当有代表性，可以看出两个DR的特点。 原始报告太长，都是2万字左右。所以，我用gpt-4.5对两份报告的内容进行了“压缩”。我仔细看了一下，报告结构和内容要点都高度保留（人类要做到这一点可不容易），读总结可以快速了解两份报告的结论，包括对比二者对同一个prompt的应对差异。 图1-2是openai DR的总结；图3是google DR的总结。 我的总结：openai的DR报告更deep，报告内容字数略少于google，但是全文都紧密围绕问题本身，从GDP影响、就业、科技产业链、供应链中断、消费品价格这些角度深度分析； 对比之下，google的DR报告更broad，报告字数略多于前者，但是全文铺的很广，具体分析部分只占报告全文很小一部分； openai DR的这个“deep”特点，充分利用了o3模型的强大推理能力，指令跟随能力，强调智能体的基础模型本身的智能。 google DR的这个“broad”特点，充分展示了google search的原生search index，访问网站数量数百个，参考网站100多个，是前者的近10倍！ 在主题研究这件事上，到底你需要deep，还是需要broad？研究报告质量、研究目标的完成度，多大程度上取决于智能本身，或者搜索资料的资料，这是我们需要持续在实践中观察、思考和总结的。 两份原始报告的link，我放在评论区。有空大家可以细细阅读。
#OpenAI #Google #美国与中国贸易 #深度研究 #国际经济
avatar
howie.serious
3个月前
claude团队揭秘：ai大脑不用英文也不用中文思考，而是靠“思维语言”。｜这证明了英语学习/教育失败的根本原因？ llm用什么语言“思考”？中文？英文？ 都不是。 llms的思考，使用的不是中文或英文这样的自然语言，而是一种超越自然语言的“思维语言”。anthropic的最新研究，用实验方式首次证明了这一点，这是理解llm内部黑箱的一个巨大突破。 在llm内部，不同语言共享同一个概念空间。不论是中文、英文还是法语，这些自然语言都只是这个更深层次“思维语言”的表面形式而已。 举个例子，你用英语教llm一个概念，它能用中文流利地表达出来；你用中文教它，它一样能在英文里准确使用。语言不同，但背后的概念是一样的。 anthropic的实验很有意思：面对同一个问题，不论你用英语问（the opposite of "small" is），是中文问（“小”的反义词是），还是用法语问（le contraire de "petit" est），llm实际上都在用自己跨语言共享的特征来思考，在同一个共享的概念空间里思考，然后再把结果翻译为对应的英文、中文或法语输出给你。 对人类学习的启示？ 如果你同时理解llm和人脑的运作原理，不难想到以下几点： - 人脑也不是通过中文或英文这样的自然语言思考的，而是一种更为底层、更为通用的“思维语言”； - 中文和英文只是表面差异，真正重要的是思维语言本身的运动（俗称”思考“）； - 概念、事实性知识砖块和心理模型等心理表征，这些才是思维语言真正的词汇。概念语言先于自然语言。如果你掌握的思维词汇太少，不论你说哪种语言，都没法深度思考。 昨天读到anthropic的这篇文章，我心情激动。毕竟早在一年前，我就在twitter和公众号文章里多次表达这样的观点。 于是，双语对照版本文章奉上，祝你阅读愉快～
#AI大脑 #思维语言 #英语学习 #教育 #语言模型 #Anthropic研究 #概念空间
avatar
howie.serious
3个月前
发现openai deep research的隐藏升级：精确的字数返回 今天让 deep research 写一篇“2000 字”左右的文章。发现 deep research 调用了 python 来分析输出结果，然后很努力地精简表达，最终的输出结果稳稳地停在 2027 个字🤣 更我提的字数有求，只有 1% 的误差。 另外一个改变，是全部输出结果在展示形式上用一个box 包起来了。 启示：ai 能力越强，精准跟随人类指令的能力越强。从 gpt-4o 原生作图，到 deep research 报告字数，都是如此。 人类很难做到这个级别的指令跟随🤣
#OpenAI #Deep Research #字数控制 #Python #文章精简
avatar
howie.serious
3个月前
gpt-4o，prompt：turn this scene into a photo. shot on a dlsr ，context：这是《红楼梦》插图。 细节bug肯定会有（图中的书本）。如果模型支持图片局部擦除、再生成，效率会更高。
#红楼梦 #插图 #图像生成 #局部擦除 #模型效率
avatar
howie.serious
3个月前
为什么要全家人看一部医学纪录片？｜推荐五星级好片《脑海脉动》 这周，一家三口，看完了人生第一部国产医学纪录片《脑海脉动》。 我们的大脑中蜿蜒着约 160万公里的血管网络，足以绕地球赤道40圈。在中国，脑卒中（中风）是第一大死亡原因——比心脏病还致命。平均每10秒就有一个中国人突发脑血管意外，每28秒就有一人因此离世。观看这部纪录片，了解脑中那些被我们忽视却攸关生死的“脉动”。 老婆的评价是“没看够”，9 岁小学生也意犹未尽，我将其评为“五星级纪录片”，是少有的高质量国产科学纪录片。强烈推荐大家观看，全家人集体观影，共同观看人生首部医学纪录片。 我和 deep research 合作，用一篇文章系统介绍了这部纪录片，作为观影前的背景知识，读完文章再看，效果更好。 下面是纪录片链接和文章链接。
#医学纪录片 #脑海脉动 #脑卒中 #国产纪录片 #健康教育
avatar
howie.serious
4个月前
gpt-4.5的 IQ 得分出来了，94分，似乎并不高（deepseek-R1 是 102 分）。那么，现在的llm，IQ分别是多少？即将发布的 o3，IQ 到底会有多高？ 先看结果排名： o1 —— 124；o1 pro mode ——120； o3-mini——116； gpt-4o——91；gpt-4——80； Trackingai 网站上的 IQ 分数分为两套：线下IQ 测试，和线上 mensa 测试。为了避免混淆，便于对比，统一选取了线上 mensa 测试。 我觉得这个IQ 测试结果是基本可信的，而且保持了一致性。对比之下，之前网友宣称 o3 的 IQ 可能有 157，那个就只是一种猜测，是 o3 没发布前他个人推测的数据。 那么，即将发布的 o3，IQ 大概是多少？我猜测是135～150 之间。 推测过程：目前 IQ 最高的 o1 是 120 分档次，而 o1作为推理模型，是基于 gpt-4 聊天模型训练出来的，在基础模型上有 30-40 分的提高。 O3 大概率是基于gpt-4.5 训练出来的，IQ 提高保底是 30-40 分，多了可能有 50分，所以，在 gpt-4.5 的94 分底子上，加上推理能力带来的 IQ 提升，大概是 135 到 150。 大概一个月之后，我们就知道真实结果了。
#GPT-4.5 #IQ得分 #DeepSeek-R1 #llm排名 #O1 #o3 #GPT-4o #GPT-4 #Trackingai