howie.serious

统计数据

216

文章

0

粉丝

0

获赞

575

阅读

4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

4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

5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

5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

5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

5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

5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

5个月前

今日份的 gpt-4.5 震撼🤯：这个版本模型的幽默程度、对英文和中文语言的驾驭能力，测试了5天后，我仍然是不断发现更牛逼，更让人惊奇的。从 chatgpt 发布第二天重度使用到现在，我一直觉得自己不会少见多怪。但是，当这样的模型真的出现了，仍然感觉超现实。surreal。原始输出是英文，我让 gpt-4.5 翻译为中文。实话说，这样的翻译，也不是一般的译者能做到的。🤣

#GPT-4.5 #幽默程度 #语言驾驭能力 #英中文翻译 #人工智能 #技术发展 #ChatGPT #超现实

6个月前

来一个暴论：从今以后，读完任何一本值得读的书，都要 deep research 一下！《极简欧洲史》，作为另一本值得读 5678 遍的五星级好书，我deep research一下之后，用 readwise reader 剪藏，阅读，划线，笔记……然后把自己的思考再和 ChatGPT 聊一聊。经过我的实测，用这种方式读一本书的体验是以前完全无法想象的！（我读过一些书，大学毕业后从 0 开始统计10 年读了 1000 本，最近几年每年还有几十到 100 本的阅读量。真的不是少见多怪，无知震惊🤣）可以这么认为：读书这件事，在 deep research 后，效果完全可以达到以前的很多倍。 20 万字的一本书，假设阅读 6 小时（每天 1 小时一周读完），然后 deep research 一下，用半天研究阅读报告，整理 logseq 笔记，然后再和chatgpt 对话对话…… 10个小时的效果，可能抵得上以前几十甚至上百个小时……满打满算，生命被延长了一大截🤣 照例，deep research 报告 link 我放评论区

#读书 #深度研究 #阅读体验 #极简欧洲史 #ChatGPT #笔记

6个月前

search vs deep research，AI 搜索的三个层级：使用 ChatGPT 时，什么时候用gpt-4o+search，什么时候用 o3-mini+search，什么时候用 o3+deep research？ AI 搜索的三个层级： level1 gpt-4o+search：搜索信息、综合多个信息源内容，给出一个整体回答； level 2 o3-mini+search：level 1+推理过程；如果问题是需要思考的，需要多步骤的推理过程，最终给出一个权衡、分析后的结果，就用o3-mini； level 3 o3+deep research：level 2 + 难度为研究级别，输出结果为千字~万字的研究报告；换一个角度：如果一个问题是人工用几分钟可以解决的，用 gpt-4o+search就够了；如果一个问题是人工用几十分钟可以解决的，用o3-mini+search；如果一个问题是人工用几个小时、甚至几天才能解决的，用 deep research。底层模型的区别：除了产品设计/system instruction 上的区别，主要区别在底层模型。 gpt-4o 是预训练范式的知识模型，上下文窗口 128k，输出长度 16k；强在语言理解； o3-mini 是强化学习范式下的推理模型，上下文窗口 200k，输出长度100k；作为蒸馏模型，语言能力是低于 gpt-4o 的，但是强在推理；而推理模型+search = magic。 deep research 则是 agent 范式下的产物的。相对于o3-mini，它是满血 o3，语言能力更强；相对于gpt-4o，推理能力碾压。作为独立的 AI agent，异步处理任务。它会向你提出 clarifying question，和你明确需求。一旦需求明确，就成了“飞毛腿导弹”——发射后不管。它会用几分钟到几十分钟时间帮你独立完成这一研究任务。 AI 搜索这件事，仅仅不到一年的时间，已经发展到这个程度，相当令人震惊。

#AI搜索 #层级 #ChatGPT #GPT-4o #o3-mini #Deep Research #信息源

7个月前

求教：我不明白，为什么这么简单的一个题，o3-mini 和 deepseek-R1 都做不对？是因为对训练集数据过拟合了吗？错到这么离谱，已经有点抽象了。有懂的朋友可以解释下原因吗

AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 21 条信息

#o3-mini #DeepSeek-R1 #AI模型 #过拟合 #错误

7个月前

幽默与讽刺，在判断LLM智能水平，屡试不爽，简单明了。这个测试案例中，我提的问题是：“这幅图片，讽刺的是什么现象？这种现象的荒诞之处在哪里？” 目的是看 LLM 能不能直截了当，精准点名讽刺对象、荒诞之处。因为很多 LLM 可以胡说八道，生成一堆看起来有模有样实际上不及格的内容。这种现象，对于非幽默讽刺的问题，人类很多时候都是很难识别和判断的。但是，在讽刺幽默问题上，结果的质量非常好判断。测试打分如下： - o1 得分 100 分：直击本质； - gpt-4o 80 分：认识到了本质，也基本没有偏离； - gemini 2.0 flash thinking ，最多 60 分，实际不及格：错误理解了本质，但也谈到了“忽略自身命运”，但胡说八道的程度也不低； - gemini 2.0 exp，40 分: 没抓住本质，通篇胡说八道；学渣模式； - gemini 1.5 pro，0 分：和图里的两个货是一个水平🤣（后两张图片在评论中补发）结论：在语言理解上，gemini 系列模型和 gpt、o1 还有本质差距。普通人日常使用，尤其是语言理解场景，还是要以 ChatGPT 为主力。

#幽默与讽刺 #LLM智能水平 #讽刺现象 #荒诞现象 #内容生成 #问题识别 #人类判断

7个月前

mark 一下：youtube 频道今天开始有“收入”了🤣 一个感叹，同样的内容，写文章狗都不看（我的公众号阅读量破 1千都难）；录成视频，虽然长度接近 1 小时，竟然筛选/吸引了一群注意力这么强的关注者，想不到啊🤣 回顾过程，总结下经验教训，防止忘了（Twitter 是极好的笔记本）： - 上一个Deep Research 视频发布前，我的 youtube 上只有 100 个关注；这个视频带来了 3000 多关注； - 这个视频比较长，有50 分钟，但是播放数据还可以：有接近 50000 播放，纯时长 4300 小时； - 但是平均播放时长只有 5 分钟；这是要迭代的点：在内容开头点明价值，多少召唤一点注意力🤣； - 第一次做视频头图；头图一般耗时 5-10 分钟，最趁手的是 figma，这个时间得花； - deep research 这一个视频，就让频道达到了 youtube 开通partner program 的标准（1000 关注，3000 播放时长）；本来不想申请的，但觉得还是试试看，不能懒。结果意想不到地顺利。2 -3 天就全部审核完了（我本来以为要几周），然后今天就开始有广告展示收入了。 - 本来的计划是一周发一个视频；w2501 (25 年第一周)因为做跨年直播，加上嗓子疼咳嗽要生病的样子，就没发；w2502的视频昨天发了，分享一个 prompt。结果视频更长了，变成了 54 分钟 🤣 - 剪辑上随缘，用剪映app；录音上摆烂，deep research 视频用mac 内置的话筒，prompt视频用了dji mic mini。 25 年的计划，是坚持视频形式分享，争取养成习惯。 p.s. 我对youtube 频道的愿景，是成为阿星探店那样的youtuber（观看时轻松愉快，给大家带来快乐。虽然我讲的是知识性内容，可能不那么“美味” 🤣

#YouTube频道 #自媒体收入 #内容创作 #视频制作 #经验分享

7个月前

把人类过去 500年来的全部技术，用一张24 米长、3 米高的巨型图片一次性呈现，会是怎样的体验？根据多年来博物馆和看展体验，这种项目必须置身其中。虽然也有网站（地址在讨论区），但是在电脑屏幕上看到和站在 3 米高24 米长的画布前看，是完全不同的两回事。但是，Apple Vision Pro 或VR 设备应该可以创造同等体验。有条件的朋友或许可以体验一下，分享下感受。我看了下内容，其实也就那样（见图 4）。很多百科全书在形式和内容上都胜过这个项目。但是，关键在于置身其中。 Vision Pro这样的设备，以后还是会普及到人手一台的。因为有这一类项目的存在。

#技术发展 #展览体验 #虚拟现实 #500年科技

8个月前

o3 发布后，我们需要把 ilya 的这句神预言拿出来重读几遍了：如果你把智能看得比其他人类品质更重要，那你会很难受的。人类智能，不但没有独特性，现在连稀缺性都没有了。人类的价值，绝对不在于人有脑子（很多人类的脑子其实不咋用），人们得找一些其他的价值，来体现“人之为人”。

#AI浪潮：重塑就业，风险暗涌？· 94 条信息

1年前

中文互联网的耻辱柱：“穷人追求多巴胺，富人追求内啡肽” 让我们一次性彻底弄明白“多巴胺”是怎么回事。毕竟，健康的多巴胺回路，才是人生幸福、学霸养成的关键。 === 大部分人都在网上都看到过这个言论：“穷人追求多巴胺，富人追求内啡肽”。抖音和视频号里的追求流量的自媒体这么说，甚至很多知识大 V ，甚至罗胖都在书里面这么说（见图）。这句话里面只有 14 个字，但是基本上每个字都错了，而且错的离谱。什么是多巴胺？人脑有几条多巴胺回路？成瘾是怎么回事？人在学习和运动时的“快乐”是多巴胺还是内啡肽？这些都是基础的事实性信息，但是网上大 V 基本全说错了。因为都没有基本的知识储备，反而像人体蜈蚣一样无脑传递 5678 手错误信息。诺大一个中文互联网，竟然让如此重要的概念，犯下如此巨大的事实性错误。但凡有一个人看一眼 wikipedia 的多巴胺词条，都不可能这么离大谱。什么是多巴胺？多巴胺是大脑中的一种神经递质，很重要：它在调节情绪、奖励和快感感觉、以及运动功能等方面起着关键作用。因此，多巴胺也被称为“快乐分子”。这些是人人都知道的。但是，不少人对多巴胺的认识和理解就仅限于此了，他们接下来对多巴胺的解读就纯属幻觉了（哎，人类有啥资格嘲笑 ChatGPT 的幻觉呢）。多巴胺真的是“万恶之首”吗？因为多巴胺是大脑成瘾机制的关键物质，所以，有些知识大 V不经大脑就把多巴胺看成万恶之首，然后为了挑起对立，激发读者的情绪反应，进一步发展出“穷人追求多巴胺，富人追求内啡肽”这种既笨且坏的傻x观点，蛊惑了很多无辜的读者，成了追求流量屡试不爽的法宝级言论。认识多巴胺对人的影响，关键得理解一个概念：多巴胺回路。大脑中有几条多巴胺回路？分别对应人类的哪些活动，哪些现象？这些回路对人的影响分别是什么？人脑中有多条多巴胺回路，但主要有三条（见图）。前额叶多巴胺回路（中脑-皮质回路 Mesocortical pathway）：从 [[腹侧被盖区]]（Ventral tegmental area, VTA）开始，到达[[前额叶皮质]]（Prefrontal cortex）。这条路径与认知功能，如决策、注意力、解决问题和社会行为有关。动物脑多巴胺回路（中脑-边缘系统回路 Mesolimbic pathway）：同样起始于腹侧被盖区，但是它连接到边缘系统，包括海马（Hippocampus）、[[杏仁核]]（Amygdala）和[[伏隔核]]（Nucleus accumbens）。这条路径与奖励感知、动机和情绪有很大关联，有时也被称为“[[奖励回路]]”。黑质-纹状体路径（Nigrostriatal pathway）：这条路径起始于脑干的[[黑质]]（Substantia nigra）部分，终止于[[纹状体]]（Striatum）。这条路径主要与运动控制相关，[[帕金森病]]（Parkinson's disease）就是因为这个区域的多巴胺神经元退化造成的。前额叶多巴胺回路 vs 动物脑多巴胺回路简单说，当我们谈论多巴胺时，关键在于认识这两条回路：前额叶多巴胺回路，动物脑多巴胺回路。人是追求奖赏、逃避惩罚的动物，而奖赏的背后都是多巴胺。但是，不同多巴胺回路所带来的奖赏，性质是完全不同的，我称之为“优质多巴胺”和“劣质多巴胺”。多巴胺本身并非罪恶之源，但是，不同性质的多巴胺，让有的人直上天堂，有的人直下地狱。优质多巴胺来自前额叶参与，主要来自运动、阅读、学习、思考和解决问题等活动，这种活动通常更“慢”，给人带来健康向上的愉悦和快乐感受。劣质多巴胺则不需要主动和深入的人类认知活动参与，直接刺激动物脑即可，主要来自短视频、网文、疯狂购物、网络上无脑谩骂等活动。在短视频的刺激下，VTA与杏仁核等边缘系统组织形成了“动物脑多巴胺回路”，疯狂供应这种劣质多巴胺。顺嘴说一句，关于内啡肽，那玩意的意思是“体内吗啡”，在极端运动情况下才会分泌，让人感觉不到疼痛。跟通常的人类活动无关，完全是被人拿来跟“坏分子”多巴胺强行建立对立用的。来自多巴胺的启发麻雀不是坏鸟（不需要赶尽杀绝），多巴胺也不是“坏分子” 。你的快乐来自多巴胺，你的成瘾也还是因为多巴胺。所以，关键只有一点：让自己和孩子获取持续稳定的好的多巴胺来源。通过读书、运动、人际交往互动、爱等来源获取优质多巴胺，减少对抖音、短屎频、游戏、爽文、心灵鸡汤、知识鸡汤等劣质多巴胺来源的依赖。长文版本👇： [抖音大脑，与劣质多巴胺的狂飙时代]()

#阶层固化：求变之路，殊途同归· 407 条信息

#多巴胺 #内啡肽 #优质多巴胺 #劣质多巴胺 #中文互联网