Kimi英语辅导翻车：语法错误频出且拒不认错，数据质量遭质疑
近日，有科技社区用户反馈，在使用Kimi生成英语作文模板时发现了明显的语法错误。令人意外的是，当用户要求Kimi自行检查时，模型未能识别出错误；而在用户明确指出具体语法问题后，Kimi依然表现出逻辑混乱甚至“坚持己见”的态度。这一事件引发了...
标签索引
数据质量
这个标签下有 5 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
警惕“模型崩塌”：AI 内容泛滥是否会透支未来的技术红利？
随着生成式 AI 的普及，互联网中 AI 生成内容的占比正呈指数级增长，引发了业界对“模型崩塌”现象的深切担忧。技术上，若模型持续使用合成数据进行自我迭代，其性能将不可避免地出现退化。更深层的问题在于，AI 极大地降低了内容创作门槛，可能导...
警惕“数据末日”：低质数据的泛滥正在通过AI训练引发模型崩溃
文章痛批了当前机构在数据发布上的极度不专业，引用了英国政府燃油数据定位错误及RAC电动车报告数据严重失真等案例。作者警告称，在AI时代，这种“垃圾数据”的危害已远超简单的信任危机。随着大语言模型（LLM）的普及，如果人类任由AI生成未经校验...
AI 搜索的隐忧：淘宝“百科”页面竟成功欺骗了微软 Copilot
有用户发现，淘宝旗下的“淘宝百科网”在必应搜索中大量出现，其包含的所谓“行业百科”内容质量存疑，并成功诱导微软 Copilot 生成错误信息。这一现象揭示了 SEO 垃圾站点正在利用搜索引擎索引机制，对 AI 问答系统实施“数据投毒”。这与...
GenAI陷入“吃尾巴”循环：如何解决模型崩溃与内容危机
文章探讨了生成式AI正在“吃掉自己尾巴”的现象。随着AI生成的内容充斥互联网，未来的模型可能会在低质量或递归生成的数据上进行训练，导致“模型崩溃”。核心挑战在于，如果AI完全取代了人类创作者，新的高质量训练数据来源将面临枯竭。作者强调，建立...