为什么 AI 说话总有一股“AI 味”：不是提示词不够花，而是模型被训练成这样
前几天我看到 XinGPT 发了一条视频，标题很直接：为什么 AI 说话总有一股“AI 味”，以及有没有办法一键解决。 这个问题其实很多人都遇到过。你让模型写一段话，它很容易先“稳稳地接住你”，再快速给出一个看上去很完整、很圆润、很安全的结...
标签索引
语言模型
这个标签下有 10 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
当AI地图开始重塑疆域：为何我们需要掌握一种无法被编码的“阅读直觉”？
文章借用博尔赫斯的寓言与鲍德里亚的哲学框架，深刻剖析了语言模型（LM）作为现实“地图”的本质。LM不仅是现实的压缩副本，更因其高保真度而开始重塑现实本身，导致用户逐渐迷失在“拟像”中。作者指出，随着LLM介入代码审查、科研等核心工作，我们急...
拒绝AI“完美”化：为何在人际沟通中，真实的错误比LLM的润色更重要
本文探讨了为何使用LLM润色私人或内部沟通会引发反感。作者指出，AI生成的“完美”文字不仅模糊了真实意图，更剥夺了接收者基于发送者过往习惯、语气和个性进行解读的能力。人与人之间通过独特的表达方式建立隐性的“认知图谱”，而AI的同质化处理破坏...
Karpathy神经网络06：WaveNet - 神经网络大升级
本文是《Karpathy神经网络零基础课程》系列文章 ← 上一篇：Karpathy神经网络05：反向传播 – 徒手写梯度 | → 下一篇：Karpathy神经网络07：GPT – 从零实现ChatGPT 这是Andr...
Karpathy神经网络02：Makemore - 语言模型入门
本文是《Karpathy神经网络零基础课程》系列文章 ← 上一篇：Karpathy神经网络01：Micrograd – 手撸一个AI大脑 | → 下一篇：Karpathy神经网络03：MLP – 多层感知机 这是一篇...
AI 八股文：ChatGPT 与 Gemini 的回答模式解析
本文深入剖析了ChatGPT和Gemini等AI模型的“八股文”回答模式，揭示其六个核心部分：复述问题并引导理解、以缺点衬托优点突出优势、用“为什么”拓展深度、理性辨析缺点、一句话总结及尾句邀约。作者认为，这种格式虽高效便于信息获取，但缺乏...
AI提示重塑人类沟通方式
本文探讨了AI提示如何改变人类交流模式。有人解释概念时被指出说话方式突变，语言结构化且不给提问机会，这可能被夸大，但语言融合自智能手机自动完成功能以来一直是焦点。反馈循环形成：语言模型训练人类，人类再反向训练语言模型。评论指出，正常对话中人...
破折号的复兴：对抗AI写作偏见的宣言
本文是一份独特的宣言，作者宣布将在自己的博客中用长破折号全面替代连字符。文章探讨了长破折号在英语写作中的历史重要性，以及现代AI和大型语言模型如何导致人们对这一优雅标点符号产生偏见。作者认为，长破折号被错误地视为”机器生成的标志...
开发者视角：LangChain最吸引人的核心功能是什么？
本文聚焦于AI开发领域热门框架LangChain的实际应用价值。文章通过提问方式，邀请一线开发者分享使用LangChain的核心体验，探究该框架在解决实际问题方面的独特优势。作为构建语言模型应用的重要工具，LangChain的功能特点对AI...
语言模型多模态测试题库：全面评估AI能力
本文介绍了Linux.do社区上的Wiki语言模型区分题库，涵盖逻辑推理、知识储备、图像识别、脑筋急转弯、代码执行、工具调用、幻觉检测和ASR能力等多模态测试领域。编辑建议强调使用权威模型进行标准化测试，要求每题测试5次，准确率≥80%归入...