一位用户近日分享了自己利用AI(Gemini、Opus、GPT)辅助生成毕业论文选题的失败经历。虽然通过多模型协作,Gemini给出了看似完美的“NeurIPS Oral级别”研究思路,但经人工验证,该方法在技术上完全不可行。这一事件再次暴露了当前大模型在科研辅助中的“一本正经胡说八道”问题:由于过度模仿学术语态,生成的方案虽然听上去高大上,但缺乏实际可落地的逻辑支撑,最终导致用户浪费大量时间与Token。
原文链接:Linux.do
一位用户近日分享了自己利用AI(Gemini、Opus、GPT)辅助生成毕业论文选题的失败经历。虽然通过多模型协作,Gemini给出了看似完美的“NeurIPS Oral级别”研究思路,但经人工验证,该方法在技术上完全不可行。这一事件再次暴露了当前大模型在科研辅助中的“一本正经胡说八道”问题:由于过度模仿学术语态,生成的方案虽然听上去高大上,但缺乏实际可落地的逻辑支撑,最终导致用户浪费大量时间与Token。
原文链接:Linux.do