标签索引

大型语言模型

这个标签下有 36 篇文章。按时间回看相关判断与实践记录。

标签精选

LLM 是一场跨越 400 年的信任骗局

本文指出，LLM 实际上是利用人类对机器准确性长达 400 年的信任所设下的骗局。作者回顾了从机械计算器开始的“机器即真理”的认知，并分析 AI 厂商如何通过建立信任、利用恐惧（如 P(Doom）论调）和制造虚假奉承（RLHF），迫使个人和...

2026-01-141 分钟阅读281 阅读

本文详细解析了Claude Code CLI的技能功能使用方法。用户通过GitHub仓库管理技能，安装后可在命令行中通过cc /skills查看。社区成员分享经验，建议直接添加喜欢的技能库到cc switch中，并搜索名称使用。这为AI开发...

2026-01-091 分钟阅读214 阅读

Sakana AI与MIT的研究团队将大型语言模型（LLM）集成到1984年的Core War编程游戏中，通过MAP-Elites算法实现对抗性进化循环。新程序不断击败旧冠军，展现出趋同进化现象——不同随机种子下的种群趋向相似行为模式，如内...

2026-01-091 分钟阅读234 阅读

文章由银行家和数据科学家Jamie Twiss撰写，指出AI编码助手随着新模型推出，正变得越来越不可靠。新的大型语言模型（LLM）更容易出现沉默但致命的故障模式，可能导致代码错误未被及时发现，影响软件开发质量。作者从实际应用角度出发，揭示了...

2026-01-091 分钟阅读228 阅读

2026年1月7日发表的文章指出，随着AI语言模型不断改进而人类认知停滞，图灵测试的门槛日益提高，人类可能无法通过测试。作者观察到，原本是LLM失败模式的现象，如不知道何时停止生成（如冗长无休的谈话）和上下文窗口有限（如难以理解复杂情况），...

2026-01-081 分钟阅读224 阅读

文章指出，大型语言模型（LLM）虽能自动化任务、生成代码并辅助调试，但存在幻觉、偏见等局限性，需工程师仔细审查输出。依赖AI可能导致解决问题能力退化，尤其面对创新问题时时。作者呼吁工程师专注理解解决方案的“为什么”，而非仅追求“什么”，以维...

2026-01-071 分钟阅读205 阅读

一项最新研究揭示，65%的Hacker News帖子带有负面情绪，这些帖子平均得分35.6分，比整体平均高出27%。研究基于32,000个帖子和340,000条评论，使用多个AI模型（包括DistilBERT、BERT、RoBERTa和Ll...

2026-01-071 分钟阅读204 阅读

文章介绍了一种创新的工作流程：用户只需掏出手机，通过Termius连接VPS，使用Claude的CLI工具结合语音输入法，即可高效完成Linux或命令行任务。这展示了大型语言模型（LLM）与移动设备结合的巨大潜力，预示着未来Linux用户将...

2026-01-061 分钟阅读192 阅读

Andrej Karpathy推出“神经网络：从零到英雄”课程，系统讲解从反向传播到现代深度神经网络如GPT的构建过程。课程包括实践项目：micrograd、makemore语言模型、MLP、WaveNet、GPT及其Tokenizer。通...

2026-01-041 分钟阅读191 阅读

研究人员成功在硬件上运行了loopcoder-40b模型，达到SWE基准81.4%的准确率，但性能瓶颈明显，仅9 token/s。由于vLLM和SGlang原生不支持该模型，团队采用了GitHub上的PR #31575来支持IQuestCo...

2026-01-021 分钟阅读211 阅读