近思录 2026-02-08 | M-x Chris-An-Emacser
AI太厉害咧，有没有什么事它不擅长？
我知道一个。由于tokenization (词元化)机制以及目前思考模型的局限，让它数字符数很可能得不到正确答案。
都是用各种平台的在线界面试的。有趣的是，千问最新的思考模型思考半天反而想错了，只有上深度思考，使劲思考，才对。
至少这个例子显示了目前AI模型的缺陷：不具有真正的思考能力。思考了半天，甚至生成了Python代码，还是错。
我能想到可行的解决方案是，调用外部工具，借助工具弥补所谓的「思考」和「推理」的短板。
哪有什么深度思考啊，瞎编乱造罢了。
「去离家50米的洗车店 是开车还是走路去」
这是最近火的AI智商检测题目，类似的还有「Strawberry里有几个r」，这个和上面的统计字符数道理一样。
结论一致，AI尚不具有真正的思考能力。
十几年前，Android刚火那会，有个类似的公众事件，我印象中是用Android自带的计算器算1÷3×3，结果不是1。这个表面上是程序bug，考虑不周，底层的原理是计算机的浮点运算精度问题，是我们现有的数值计算体系的缺陷。
如果懂原理，理解起来就不困难。
亲测可用。AI画图，擅长的就是几个提示词生成一套含义不明的图，作为素材不错。作为非专业是使用者，想控制AI让它生成我期望的构图等等，比较难。
总算有人修复了Octave屏幕显示和输出图片大小一致的问题。
媒体机「特调」严重，测评「遥遥领先」不可信
有个之前看到的词和这个类似，「数据定制服务」。如果过程不透明，任何结果都可以做出来，实验如此，理论计算如此。加上成本越来越低，真实度越来越高的各种生成式人工智能，这个年代最缺的恐怕是「信誉」了，说它比黄金更珍贵不为过。
嘿嘿，没想到过了个年，视频没了。
🫢
不许讨论。
生成式人工智能(Generative AI)
- 大语言模型(Large Language Model, LLM)
- 注意力(Attention)
- Transformer
- 指令微调(Instruction tuning)
- 预训练(Pre-training)
- 微调(Fine-tuning)
- 嵌入(Embedding)
- 强化学习(Reinforcement learning)
- RLHF (Reinforcement learning from human feedback)
- 文生图(Text2Image)
- 扩散模型(Diffusion Models)
- LoRA (Low-rank adaptation)
- 混合专家模型(MoE)
- 规模法则(Scaling law)
- 量化(Quantization)
- 对齐(Alignment)
- 模型蒸馏(Model distillation)
- 多模态(Multimodal)
- 推理链(Chain-of-Thought)
- 智能体(Agent)
我认为，目前的局限是上面提到的，AI根本不会思考，还是个背题机器，需要把所有的书都看完才能开口，导致模型巨大，吃内存和显存。内存价格已经上天啦，10来年前的DDR3都被召回战场了，我4年前配的X79小主机竟然能再次成为「主流配置」。
现在的大模型做高考题在山东能考上北大清华
从标准差看，物理还是难，其次是历史，化学和地理差不多难度。不过呢，化学的平均分是最低的，说明最难。作为擅长化学的人士，我很欣慰。
怹(tān) 㨃(duǐ) 挼(ruó ruá ruǎ)
原来汉语里还真有ruǎ的音。
《人民日报》社论《把批林批孔的斗争进行到底》
指出了被林彪反动派利用的孔孟的政治纲领：
- 克己复礼。 — 《论语·颜渊》
- 一日克己复礼，天下归仁焉。 — 《论语·颜渊》
- 悠悠万事，唯此为大，克己复礼。 — 《后汉书·仲长统传》、《论语·颜渊》
- 如欲平治天下，当今之世，舍我其谁也？ — 《孟子·公孙丑下》
- 唯上智与下愚不移。 — 《论语·阳货》
- 恃德者昌，恃力者亡。 — 《史记·商君列传》
- 中庸之道。 — 《礼记·中庸》
- 劳心者治人，劳力者治于人。 — 《孟子·滕文公上》
- 废黜百家，独尊儒术。 — 《汉书·董仲舒传》
用AI整理的，还不错。不涉及数字，纯思考，一般想不错。
我觉得只能说是可能，这些报道标题党了。
从上面的几个事看，独立思考的能力，在任何时候都重要。
我看过一个大字报，他和关锋与王力并列，但最终结局是好的。类似的还有迟群和谢静宜罢。