RichChat

统计数据

5
文章
0
粉丝
0
获赞
5
阅读
avatar
RichChat
2个月前
“我几乎完全不同意！” 黄仁勋炮轰Anthropic CEO 老黄全盘反驳Dario Amodei的发言的逻辑很清晰： "首先，他认为人工智能太可怕了，只有他们才应该研究，"黄仁勋在巴黎Viva Technology的新闻发布会上这样评价Amodei。"其次，[他认为]人工智能的开发成本太高，其他人都不该涉足……第三，人工智能极其强大，会导致所有人失业，这就是为什么他们应该成为唯一一家开发人工智能的公司。" "我认为人工智能是一项非常重要的技术；我们应该安全、负责任地开发和推进它，"黄仁勋接着说道。"如果你想要确保事情安全、负责任地完成，就应该公开进行……而不是在暗地里开发后再告诉我这是安全的。" 尽管Anthropic迅速澄清，表示其CEO从未声称“只有他们”能构建安全的AI，并倡导建立国家级的透明度标准。这种澄清虽然听起来合情合理，但其内核依然是一种“看门人”的精英主义思维。它实际上预设了一个前提：AI的未来应该由一小部分拥有先进技术和“正确价值观”的公司来定义和守护。这种模式虽然可能在短期内规避某些风险，但长期来看，可能会导致技术权力的过度集中，扼杀开源社区的创新活力，并让AI的发展方向被少数商业利益所左右。 这场由技术巨头分歧引发的争论，最终揭示了两种截然不同的技术哲学和未来愿景。从我个人观点来看，黄仁勋代表的开放、乐观和民主化路径，显然比阿莫代的悲观和精英化倾向更具说服力和现实意义。
#黄仁勋 #Anthropic #人工智能 #Viva Technology #Dario Amodei
avatar
RichChat
2个月前
OpenAI副总裁在最近的访谈中谈到为什么ChatGPT的订阅费设置在20和200美金，简单总结的话是“拍脑袋”...
#OpenAI #ChatGPT #订阅费 #副总裁访谈 #价格策略
avatar
RichChat
5个月前
乐观推测只要大方向明确了，在国内的AI+教育的落地发展会比海外更快些？
#AI #教育 #AI落地 #海外发展 #国内发展
avatar
RichChat
5个月前
来自Google prompt engineering比赛冠军的经验总结 最近Google举办的提示词工程比赛中，瑞典选手Joakim Jardenberg在300多名选手中脱颖而出。 总结一下他提到的经验 - 首先是学习方法论，Jardenberg采用了一个简单但有效的迭代方法： 1.  将AI应用到所有可能的任务中； 2.  同时使用多个AI系统相互验证； 3.  保持开放和好奇心态，不预设边界； 4.  关注实际应用场景而非理论限制； 可以类比学习一门新语言 - 你需要不断练习，在不同场景下使用，并且和不同的母语者交流。通过与多个AI系统互动，我们逐渐掌握了与AI对话的"语感"。 他对prompt的具体建议也和我之前写过的建议很类似，核心观点是要把AI看作一个初级但有潜力的同事，而不是简单的软件工具。就像带新人一样 - 你需要给出清晰的指导，同时也要给他们思考和创新的空间。 一些关键点: -   AI和人一样需要明确的上下文和及时的反馈； -   不要过度约束，给AI发挥空间； -   用自然语言交流，避免过于形式化的提示词模板； -   持续跟踪AI能力的演进，及时调整交互策略； 从实践角度看，这些建议本质上是在建立一个良好的合作关系。就像和新同事建立信任一样，了解对方的特点和能力，才能更好地协作。
#Google比赛 #Prompt Engineering #提示词工程 #Joakim Jardenberg #AI迭代方法
avatar
RichChat
5个月前
刚看到还有人在做一个专门测试大模型“幻觉”的排行榜，这是今年2月11号更新的榜单，排名第一的是Google Gemini-2.0-Flash-001。 不用在图上找文采比较好的DeepSeek R1和Sonnet 3.5了，按照这里的统计都属于上不了榜的水平。。。 榜单的打分逻辑很简单：训练了一个专门检测幻觉的模型，然后用1000篇短文档测试市面上的各大LLM。每个LLM都被要求严格按照文档内容做总结，温度设为0以保证输出的确定性。记录三个关键指标：事实一致性率、幻觉率和回答率。 为什么选择总结任务？- 因为在普通问答中研究者很难判断回答是否属于幻觉。但在总结任务中，由于有明确的参考标准 - 原文本身。这让评估变得客观且可量化。也算是模拟了真实世界中RAG系统的应用场景。
#大模型 #幻觉排行榜 #Google Gemini-2.0 #DeepSeek R1 #Sonnet 3.5 #幻觉检测 #LLM测试