2025-02-11 | 现代预言者还是胡言乱语机器？掌握 ChatGPT 世界的生存之道
12:13 Share

大家好,欢迎来到黑客新闻中文日报在这个充满创新的时代,我们每天都能看到令人惊叹的科技进步今天我们将带领大家一探究竟首先,大型语言模型如何在帮助我们工作、学习甚至是游戏方面发挥着越来越重要的作用尽管它们也在信息环境中引入了新的挑战

接着我们将探讨在数字时代写博客的独到之处以及为何它依然是一种值得推崇的个人和专业发展方式最后我们会分享一个特斯拉车主的故事让我们见识到了在决定购买高科技产品之前需要做好的准备和调查现在就让我们一起深入这些令人兴奋的主题发掘科技世界的无限可能在最近发布的文章 Modern Day Oracles or Bullshit Machines

How to Thrive in A-Chat GPT World 中,作者们探讨了大语言模型,LLMs,如何影响我们的工作,学习,游戏,交流,创造和连接。他们认为,虽然人工智能将在生活的几乎每个方面产生影响,并且通过让人们以日常语言与机器对话的方式,LLMs 在史记算机对每个人都更加可访问方面迈出了重要一步。

然而,尽管 AI 系统会带来许多好处,但它们也将以前所未有的规模时,我们的信息环境充斥着废话。它们强调,LLAMP 将长期存在于我们的生活中,我们都在阅读它们在线生成的内容,并且很多人使用它们来创作自己的内容。

评论区有些网友对 LLAMS 的批判和表扬反映各异,有网友质疑 LLAMS 在逻辑推理能力上的表现,认为其还是一个有争议的话题,另一些人对人们盲目接受 LLAMS 的输出感到惊讶,也有人分享了在政策制定中如何错误地使用 LLAMS 的案例,提醒我们要谨慎对待这些技术的输出。总的来说,这篇文章和评论区的反馈让我们再次意识到,在这个由 LLAMS 塑造的世界中,我们需要有辨别信息真假的能力。

在这个充满挑战的数字时代,许多人可能会问,如果没有人阅读,为什么还要花时间去写博客呢?文章提出了一个很有趣的观点,即使没有目标读者,写博客本身仍然有其独到之处。它强调了写作的个人价值,比如它能激发我们更清晰的思考,帮助我们整理思路,锐化观点。

而且从一种意义上来说我们为自己而写如果你觉得自己写的内容无聊别人也同样会这样觉得博客可以成为一种思维锻炼的方式让我们能够更好的创造

评论区中的网友们也分享了自己对此的看法有的人认为写博客是建立个人可信度的廉价方式长期下来很有帮助有的人则认为写博客让自己有机会记录深度思考的过程对未来的自己有重要意义还有人认为写博客可以拓宽自己的人际网络与他人建立更深层次的联系这些观点都在一定程度上反映了写博客除了寻求读者认可之外的其他价值

在 2024 年 10 月,我决定购买一辆特斯拉 Model 3,却没想到这会是一场噩梦的开始从一开始提车,很多功能就不工作,包括摄像头,GPS 导航系统,自动驾驶和软件更新等这被发现是特斯拉全新车载电脑的一个主要故障而这种情况在 2024 年最后一季度生产的特斯拉 Model 3 汽车中很常见,影响了成千上万的特斯拉客户

两周后,汽车每天开始失去 8%的电量。很快,我彻底失望了,特斯拉公司拒绝无罚金退回汽车,尽管问题,立即报告。他们唯一提供的解决方案,是让我等待三个月,希望替换零部件能够到来。尽管如此,我因安全考虑停止驾驶这辆汽车。

在评论区 网友们反响激烈 有人分享了与现代沃尔沃车辆 如 XC40T81V 相似的糟糕体验 认为现代汽车的可靠性大打折扣而另一位拥有相反经验的特斯拉车主表示 他的特斯拉车辆一切正常 只有充电插头出现了一点小问题 但已在保修期内更换此外 还有人就汽车购买之前的各种考虑提出了建议 比如在购买之前试驾车辆 考虑维修问题等

简而言之,这个故事再次提醒我们,在决定购买高科技产品之前,务必做足功课,特别是对于这样价格不菲的投资。在最新的一篇关于 GPU 条件渲染的文章中,作者指出一个长久以来被误解的观点,这关乎于在着色器中使用 Mix 加 Step 来优化条件移动。很多人认为,通过这种方式可以避免条件分支,实则不然。

原始的着色器代码并没有使用条件分支,而是通过选择操作,例如三元操作符,直接在寄存器之间移动数据。这类选择操作并不涉及条件分支,而是一种简单的指令,用于将正确的数据录由到目标寄存器,这其实比所谓的优化版本要快得多,因为后者无畏地增加了两次乘法和一到两次加法操作。

值得注意的是经过测试原始代码的方式实际上更为高效评论区里有网友提到想要有力的支撑文章的结论展示两个版本的代码生成结果会更好而不只是展现较优版本的还有人提及对于 GPU 上的条件分支的担忧源自过时的经验实际上现代 GPU 对分支的处理以大为改进特别是在所有线程在 Warp 中采取相同路径时分支指令的代价已经大大减少

还有评论建议,在关心此类性能细节时,最好在运行实测是多个版本,以选择最快的那一个,因为随着处理器和编译器的迭代更新,最优的代码实现可能随之变化。列某研究发现,大型语言模型需要的训练样本源少于普遍认为的,以用于复杂推理。

这个模型通过只用 817 个精心挑选的样本,在数学推理上取得了突破性进展,其准确率在 AIM 测验上达到 57.1%,在 Math 测验上达到 94.8%,而这仅仅是之前方法所需训练数据的 1%。Limo 还在 10 个不同的基准测试中取得了 40.5%的绝对提升,比使用 100 倍数据量训练的模型性能更好,挑战了简单训练,SFT,导致记忆化而非泛化的观点。

根据这些成果,我们提出了少即是多的推理假设,列模假设。在基础模型中,如果领域知识在预训练期间已经被充分编码,通过精确安排及少数的认知过程示例,复杂的推理能力就可以被激发。

评论区的网友对这一发现给出了不同的看法,一方面有人认为使用更优质的样本激活训练好的大型语言模型,LLM 的推理能力是一个有趣的发现,但同时也不够实用,因为首先需要通过更强大的推理模型来获得这些高质量样本。另一方面,有网友好奇这 827 个数学问题是否也可以作为培养数学学生解决多样化问题的教材。

这场讨论不仅展现了科技社区对于提高模型效率和泛化能力的持续追求,也体现了人们对于教育潜力和未来可能性的乐观预期。Andrej Karpathy 深入探讨了像 ChatGPT 这样的大语言模型 LLM,提炼出的要点非常吸引人。

通过研究,我们了解到 LLM 的训练初期是从网络爬取大量文本数据开始的,但这些原始数据往往杂乱无章,需要经过精细的筛选。例如,如果要建立一个只支持英语的模型,就需要一种机制来过滤掉非英语文本。数据清洗后,还需将其转换为模型可处理的结构化形式,即将原始文本转换为代表重复模式的标记,token。

这一转换过程称为 Tokenization,利用了诸如 BytePair encoding 的技术,通过这种方法,GPT-4 采用了大约 10277 个标记。此外,文章还介绍了模型如何通过神经网络处理这些标记,预测下一个标记,以及使用 Backpropagation 调整权重以减少错误,长时间训练后模型能够更好地进行预测。

Andre 的分析不仅仅停留在模型表面,还探讨了如何通过监督式微调,SFT 和强化学习等方法进一步优化模型,以及未来 LLM 的发展方向,如多模态能力,基于代理的模型等。评论区中网友对 Meta 如何处理幻觉是错误提出的方法表示赞同,觉得这种方法让人眼前一亮,有的评论指出 Andre 对强化学习部分的解释略显模糊,希望有更具体的操作方法。

还有评论讨论了 LLM 在数学计算上的表现与限制,以及对使用 LLM 训练 LLM 带来的潜在风险感到好奇。Meta 近期推出了一系列 AI 演示,涵盖了从视频剪辑特效到语言翻译的各种工具。

比如,Segment Anything R 可以让用户仅通过几次点击,就为视频创建出有趣的视觉特效而 Seamless Translation 则能让你听到自己的声音在另一种语言中是怎样的不仅如此,还提供了 Animated Drawings 和 Audio Box 分别让手绘草图动起来和通过 AI 生成的声音和音效创造音频故事这些演示不只是技术展示,它们体现了 Meta 对 AI 技术未来可能性的探索

评论区中,大多数用户对这些演示表示了赞赏,特别是 Semless Translation 的实时语言翻译效果,让许多用户感到惊讶。但也有人对这些被认为是无用的 AI 技术堆砌表示怀疑,对技术实用性和创新性的讨论依然在继续。在 2019 年的一篇博文中,作者 Jacek Zlidok 把广告形容为现代社会的癌症。

这篇文章探讨了广告如何从一个简单的市场商品和服务信息传递工具演变成一个消耗巨大资源侵蚀人与人之间信任关系以及破坏市场交易决策过程的机制 Jacek 认为广告已经变成了一种合法化的工业规模心理虐待方式并提出广告不仅仅限于滥用个人隐私它还涉及到健康相关信息的隐私侵犯电话推销垃圾邮件 CU 操纵等多个方面对社会造成了极大的负面影响

关于这篇文章,评论区的网友们展开了热烈的讨论,有人提到,尽管他们不喜欢广告的无处不在,但似乎这是享受免费内容的代价,也有网友指出,大型公司的广告似乎总是试图塑造我们看待世界的方式。另外,有评论提到了广告对个人生活感受的影响,认为某些类型的广告,如赌博和医药广告,应该受到严格监管。

一个人通过自己开发的开源 AI 工具,在经历了 5 年神秘的症状,花费超过 10 万美元,访问 30 多家医院和专家后,发现自己很可能患有自体免疫疾病。这个工具可以上传并自动解析医疗记录,通过与不同的 AI 模型对话分析综合数据,最终推测出诊断结果。

这个故事不仅展示了个人对健康问题的探索和解决过程也反映了现代技术特别是 AI 在医疗诊断中潜在的巨大价值很多网友在讨论区表达了对这一开源项目的支持和赞扬他们认为这种工具能够给那些在传统医疗体系中得不到确切诊断的人带来希望同时也有声音指出需要注意这种工具的准确性和使用时的谨慎性毕竟 AI 的诊断结果不能完全代替医生的专业判断

感谢您收听今天的黑客新闻中文日报通过今天的分享我们希望能够让您对人工智能及科技行业的最新动态有更深入的了解和思考

科技正以前所未有的速度改变我们的生活,了解这些变化不仅能让我们跟上时代的步伐,还能帮助我们在这个不断进步的世界中找到自己的位置。如果您觉得今天的内容有意义,请不要忘记订阅我们的播客并与朋友分享。再次感谢您的收听,我们期待在下一期与您相见。