Deep Dive
Shownotes Transcript
大家好 欢迎收听黑客新闻中文日报在今天的节目里我们将聚焦 AI 在教育和写作中的真实影响探讨为什么越来越多的人在学习和科研中依赖大语言模型以及这种趋势背后可能带来的思考能力困境
同时,我们还关注到 AI 领域一份热门的 LLM 采样方法全新实践指南,为普通用户和开发者打开了模型参数条优的黑盒。最后,我们也不会错过广大开发者刚刚体验过的 Gemini 大模型 API 和开发文档的混乱现状,在模型实例和开发体验之间,Google 能否找回丢失的优势。精彩内容,马上开始!
一位教师在批改作业时发现,学生们经常直接复制粘贴大语言模型的答案,比如 chat GPT 的输出,这些内容格式千篇一律,语言啰嗦,几乎一看就能分辨出不是学生自己的作品。老师认为,使用这类工具写作不仅缺少思考,甚至比直接抄袭别人的内容还严重,因为大语言模型本身没有原创想法。
对于为什么越来越多的人依赖语言模型 文章分析一部分学生和研究人员认为完成任务无关紧要 用模型只是省力图快另一部分人觉得模型能输出比自己更好的内容尤其是英语非母语者和初学编程者也有人在网上为了应付是完成写作或评论 直接用模型生成文章强调 写作的根本意义是表达自己真实的思想而不是输出一段格式化 没有个性的文字
作者甚至做了个实验把自己的一段文字放进 Gemini 让他续写结果模型只是反复重复要点内容空洞远不如原来的写作动机和思想
评论区有网友表示,很多教育工作者忽视了写作不仅仅是完成一份文本,更重要的是锻炼思考能力,也有人认为,模型能帮忙润色或理顺思路,但如果只靠模型输出,最终是对自己的知识和技能成长不利。还有人建议,其实最值得看的往往不是模型的输出,而恰恰是最初写下的 prompt 本身。
一篇关于 3D 打印设计的长文在技术社区引发关注作者结合自己多年的 FDM 3D 打印经验总结了大量设计和制造过程中的实用技巧文章首先强调 3D 打印和传统制造方式有本质区别因此需要全新的设计理念以 FDM 工艺为例设计不仅要考虑结构强度还要根据打印机工艺约束优化零件几何材料用量和打印时间
比如,要让受力方向平行于打印面,从而增强零件强度,对于无法全部优化打印方向的复杂零件,则可以拆分为多个部分分别优化打印。作者还详细分析了撬层、填充率、旋垂角度和桥接等术语,并推荐增大撬层厚度,减少过度使用填充材料来提高强度和节省材料。
另外 文章指出 3D 打印设计更应关注表面积而不是体积因为节省表面积的胖形状反而更节省材料和时间同时 作者针对常见问题如水平孔变形 厚处理公差 螺纹嵌件 嵌入件 支持结构 切角和圆角设计等主以给出设计细节和工程经验比如通过使用六边形或方形孔改善过迎配合的可靠性借鉴住宿中的 crush rib 设计或者直接在建模实际成索尔朵结构来提高底面附着力
评论区有网友感慨这篇文章系统总结了他们多年摸索积累下来的经验,并补充了一些像利用灌注材料,优化桥接层叠等实用细节。还有网友提出希望能看到更多斯拉数之打印相关的深度设计内容,不少人称作者不仅内容详实,解读思路也很清晰,是少见的 3D 打印设计权流程科普。
一位用户在美国通过 Flatrate 公司安排了跨州搬家,支付了超过 14000 美元,服务内容包括全包装,家具保护,电子产品和自行车的专用箱子,以及保险。但是在搬家当天,来的却是另外一家公司的两人小队,并不清楚需要负责打包,而且没有足够的材料。
用户只好和他们一起搬了 13 个小时,到达新家后,发现家具和物品大多没有保护,结果家具、艺术品、书籍都严重受损,甚至自家门框都被弄坏。事后用户多次联系 Flatrate 公司要求赔偿和退款,不仅一直没人接电话,连保险公司都联系不到他们。
最后用户查到了 Flatrate 背后的保险公司 Hanover Insurance,直接联系后,对方根据照片认定损失,给了一部分赔偿金,但仍有部分服务费和房屋损失,没有得到解决。评论区里很多网友分享了和搬家公司类似的不愉快经历,比如被骗,物品延迟数月才送达,部分物品丢失,甚至不得不和律师、法庭打交道。
有人建议自己租车搬家,或只找值得信任的小团队,也有人认为现在小型专业论坛资源减少,选择更难,提醒大家搬家前一定要多做调查,别贪图一口价低价。无线 USB 技术曾经被寄予厚望,希望能让各种设备实现免插线的数据连接,不过最终并没有流行起来。
文章梳理了无线 USB 的诞生历程,介绍了主流的两大标准,一种是 FreeSkill 主导的 CFUSB,另一种是 Intel 推动的 CWUSB,它们都基于 UWB 超宽带技术。两派在标准之争中始终没有取得兼容,导致技术和产品碎片化,厂商各自为政,市场推进缓慢。
即便一些厂商像 Belkin、D-Link 把相关产品推向市场,实际体验却达不到宣传中 USB2.0 的速度和距离,兼容性不佳,多数场景下只能实现有线的数据连接,并且还要借助专用 Dunkle 和 Hub,没有带来实际的便利。随着 WiFi 和 Bluetooth 技术不断进步,带宽和易用性都赶超了无线 USB,后者逐渐被边缘化。
到 2008 年以后,很少有笔记本内置无线 USB 功能,配件市场也迅速萎缩,这项标准很快被市场淘汰网友评论普遍认为,无线 USB 最大的问题是缺乏使用场景,还不如直接用蓝牙和 WiFi 很多人也感叹即便技术有亮点,但功耗、兼容和价格都不够友好,厂商推动意愿不强,最后只能成为小众技术
也有网友回忆到,当年以为无线 USB 很酷,实际买来后还不如用一根长线,说明有时候诱人的技术并没有帮用户真正解决痛点。Auburn 大学的 Foy 信息台自 1953 年设立以来,已经坚持接听来自各地的电话超过 70 年,无论是校内学生还是普通公众,只要有问题都能打这个固定电话去问,问题千奇百怪,从学业、生活的小事到奇葩的法律疑难,甚至还有人半夜打来只为随便说一声再挂断。
早期信息台的桌上堆满了百科全书 电话簿 世界记录 还有各种参考书 现在已经全部换成了 iMark 但电话号码始终没变尽管有互联网 依然有不少美国人和全球数十亿人因各种原因不用网络 对他们来说 这台电话就是他们的信息源学生接线员培训很简单 要求礼貌 不过问隐私 遇到不适当的问题直接挂断即可
在这里充满南方礼节的大学生以十几通电话一小时的频率耐心回答各种陌生人的问题偶尔也会有像 Bula 这样的常客每次一聊就是十几分钟内容常常围绕家里宠物或生活琐事有人打电话只是为了找个人聊聊即使内容并不重要复位信息台的学生也会耐心陪伴和倾听哪怕那一通电话会持续一小时
在评论区,不少网友分享了自己参与或使用类似信息台的故事,也有人感慨,在 AI 内容泛滥和搜索体验下滑的今天,这样由真实人为你解答问题的温度更显珍贵。还有人回忆过去没有互联网时,电话信息台和图书馆参考台的重要地位,这种服务正让许多听众怀念信息黄金时代。
一份面向普通用户的现代大语言模型采样方法指南受到了不少关注这份文档详细解释了为什么 LLM 在生成文本时要使用 token 子词而不是单词或字母以及模型如何根据概率分布一步不预测下一个 token
除了基础原理之外,他还逐一介绍了主流采样算法,比如温度,出现乘法,频率乘法,重复乘法,摘房重复,top k,top p,min p,top n,sigma,尾部减值等,以及这些方法如何影响模型的输出创意性,连贯性和可控性。
文档也分析了采样顺序的重要性比如温度和过滤等操作前后顺序不同会带来很大差异以及多种采样方法组合使用时可能形成的协同或冲突效果比如高温度配合 D-topK 就会让随机性被制约得很死多个过滤器同时用也容易让分布变得过窄除了技术细节文档还讨论了 Tokenizers 的不同实现对分词力度罕见词支持的影响以及 BPE Sentence Piece 这类现代子词算法
评论区里很多人分享了自己实践采样条参数的经验还有人提出靠采样技巧弥补模型能力短板其实很有限想真正提高输出质量还得靠更好的训练也有网友补充了跟面下化线 P 相关的最新研究进展并指出高温度和新型采样算法结合反倒能带来更高的创造力和表现力
Google 最近推出了 Gemini 系列大语言模型,包括 Gemini 2.5 Pro 和 Gemini 2.0 Flash,不仅支持超长上下文,还在音频、视频和多模态能力上都有领先表现,价格也相对友好。但让开发者头疼的是,Google 的 Gemini API 用起来非常不方便。
首先 API 被分成了 Vertex AI 和 Google AI Studio 两个系统功能和发布时间都不一样有些功能只在其中一个系统上线这让开发者不得不来回切换 十分混乱此外 Gemini 的文档分为两套信息经常不一致 很容易找错地方而且文档还经常滞后甚至为过时的版本服务导致通常找不到最新功能的用法
Vertex AI 的 SDK 还不支持用 API Key 验证,得自己管理凭据文件,安全和维护都更复杂。对于用 TypeScript 的开发者,Vertex AI 官方 SDK 到现在都还不支持调用自己微调后的模型,真正想用微调模型,往往要靠第三方库变通。此外,Gemini 的潜坠缓存也设计得很麻烦,操作繁琐,和 OpenAI 等友商相比,用户体验落差很大。
虽然 Gemini 的模型本身实力强,但 Google 提供的开发工具显得极为不友好。评论区不少网友也提到,Google 的文档体系太零散,新旧并行让人困惑,甚至有网友反映在实际开发时只能靠直接读库的源码来搞清楚用法。还有人吐槽,Google 曾经在 API 领域有领先地位,如今却在开发体验上大幅落后。
总体来看,大家认可模型本身,但对于 API 和文档体验给出了不少批评意见。Oberon Pi 是 Richard Gleaves 基于 Peter DeWachter 的 Project Oberon 模拟器,将 Oberon 系统移植到 Raspberry Pi OS 上的一个项目。这个版本让用户可以在 Raspberry Pi 400 上以应用程序的方式运行 Oberon 系统,打开后会弹出一个独立窗口,里面就是完整的 Oberon 操作系统环境。
Oberon Pi 主要对用户界面做了简化和优化,目的是让初学者更容易上手,还补充了针对 case 语句等编译器的修复,并包含详细的系统与应用操作指南,同时也集成了 Nicholas Wirth 原版 Oberon 语言的核心文档,所有 PDF 都新增了目录,方便查阅。
欧伯安系统最早在上世纪 80 年代末由 Nicholas Wirth 和 Juror Gut Connect 开发,后来在 2013 年移植到自定义 Risk 处理器上,并在 2014 年由 Peter DeWachter 推出了模拟器。欧伯安 Pi 的目标是在保留原有特色的同时,降低学习门槛,方便更多人体验经典操作系统的设计思想。
评论区有网友提到,Oberon 在用户界面和系统结构上都很有研究价值,还和沟语言有些设计上的相似之处,也有人推荐了适用于 JVM 的 Oberon 项目,适合对 Oberon 感兴趣的开发者进一步了解。美国作家 Wendell Berry 在 1987 年发表了一篇题为《Why I Am Not Going to Buy a Computer》的随笔,他在文中详细阐述了自己坚持不用电脑写作的理由。
Barry 认为,写作可以只依靠铅笔、纸张和家用打字机,而不必让自己的工作直接依赖于挖掘煤炭等能源公司他同时也指出,电脑厂商总是不断推销新产品,试图说服作家和农民购买更多设备而这些技术升级常常意味着旧的工具甚至亲密的写作关系会被边缘化,例如他太太就是他最重要的打字员和评论者
Barry 还对电脑是否真的能提升写作质量表示怀疑他认为如果有人能明确证明用电脑写出的作品超过了 Dante 的水准而且这种提升是因为用了电脑他才会考虑改变看法 Barry 强调技术创新应该更节能更易于修理 价格亲民并且不会破坏已有的家庭或社区关系文章发表后引发了许多争议和回信有人调侃他依赖家人是不够进步也有人坚持电脑是现代写作不可或缺的工具
评论区有网友提到,现在反而很少有人真正意义上用电脑,大家更多使用智能手机完成简单操作,也有人讨论了书写工具背后对内容和思考方式的影响,还有网友幽默地表示,Barry 太太帮她打字其实让这篇文章的观点陷入了悖论。
感谢收听今天的黑客新闻中文日报如果这些前沿的科技洞见激发了你的思考不妨订阅我们的播客及时获得来自 Hacker News 的最新资讯也欢迎把我们的节目推荐给朋友祝你拥有充满灵感的一天我们下期再见