Загрузка видео...

Не удалось загрузить видео

На главную

🚨 最新消息:Anthropic刚刚推出了Claude for Education,它和你预期的不一样。 这个版本不仅仅给出答案——它还能提出更好的问题。 通过学习模式和深入的学术合作,它是为批判性思维而打造的。 以下是你需要知道的一切:

21,051 просмотров • 1 год назад •via X (Twitter)

Комментарии: 11

Фото профиля AI Will
AI Will1 год назад

Claude for Education已经上线。 这不仅仅是一个新产品,而是一种全新的思维方式。 Anthropic正与顶尖机构合作,塑造AI在教学、学习和管理工作中的应用。 不是取代教育工作者,而是赋能他们。

Фото профиля AI Will
AI Will1 год назад

介绍:学习模式。 忘掉复制粘贴的答案。这是作为思维伙伴的AI。 🧠 引导学生进行推理 🧠 通过苏格拉底式问题促进更深层次的思考 🧠 突出核心概念 🧠 提供结构化的研究模板、大纲和学习指南 批判性思维回来了。

Фото профиля AI Will
AI Will1 год назад

以下校园可以全面访问Claude: • 东北大学 • 伦敦政治经济学院(LSE) • 沙姆普兰学院 现在这些校园的每个学生、教师和工作人员都可以使用Claude。 50,000+个大脑,一个AI。

Фото профиля AI Will
AI Will1 год назад

推出了两个重要的学生项目: 📣 Claude校园大使 → 学生领导校园内的AI素养活动。 🛠 Claude构建者 → 提供API积分支持学生的AI项目。 帮助下一代使用AI学习——并与它一起构建。

Фото профиля AI Will
AI Will1 год назад

行业动态: Claude与以下平台集成: 🔗 通过Instructure的Canvas LMS 🔗 Internet2的安全教育网络 Anthropic正将AI嵌入学术界的日常工作流程——安全、道德和负责任地进行。

Фото профиля AI Will
AI Will1 год назад

为什么这很重要: AI在教育领域通常会引发恐惧——这次发布关注的是信任、结构和学生的成长。 Claude不仅知道答案。它帮助学生思考答案。 这是从捷径转向理解的转变。

Фото профиля AI Will
AI Will1 год назад

东北大学的完整闭环时刻: 他们一直在为此做准备。 校长Aoun实际上写了关于教育中AI的书:《Robot-Proof》。 他们2025年的学术计划?全力以赴AI。 现在他们是第一个全面推出Claude的学校。

Фото профиля AI Will
AI Will1 год назад

接下来呢? Claude for Education仅仅是开始。 Anthropic的愿景是帮助塑造一代既知道如何使用AI,也知道如何挑战它的人。 工具已在这里,实验开始了。

Фото профиля AI Will
AI Will1 год назад

想把Claude带到你的校园? 从这里开始:

Фото профиля AI Will
AI Will1 год назад

以上就是全部,原作者 @jowettbrendan 如果您喜欢这个主题: 1.关注我(@FinanceYF5) 2. 点赞+转发下面第一条帖子

Фото профиля Rainmaker
Rainmaker2 лет назад

🚀 Discover how Reinforcement Learning can transform trading strategies! Check out my free Substack for full code and backtest of the completed Q-learning algorithm. Don't miss out! 📈✨

Похожие видео

Koji:一个拒绝给答案的 AI 家教... 由来自麻省理工学院和哈佛大学的顶尖学习专家训练而成 号称全球第一个「图形化私教」 你给孩子一个答案,他就少思考一次;少思考一次,这个能力就少长一点。 Koji 反着来,不给答案,而是逼你自己想 它能看到你看到的,甚至能高亮、批注屏幕内容,实时指导你... 几个特点: 1、它不像 ChatGPT 那样只甩给我一串步骤清单,剥夺了学习机会还养出对AI依赖。Koji 反过来,问你、引导你,逼你自己把这步想出来。 2、它能看见你的屏幕你不用把题目描述给它。Koji 本来就趴在你旁边,看着你做题,知道你哪一步拖错了、在哪儿停了三秒。 它清楚你为什么卡住,因为它看得见。 3、「图形化」是关键普通 AI 只能跟你打字聊。Koji 能直接伸手改你的题:高亮一块区域、给图加批注、临时塞一道小题给你。 学导数时,它就在你那条切线上跟你一起画,而不是在另一个窗口回你一段文字。 4、它先开口,老师在你求助之前先开口,会大大降低你张嘴提问的门槛。所以每进一页 Koji 都先说一句:这题和上一道有什么不一样,动手前该注意什么。 视频里两个场景: 几何题:孩子在画布上挪圆挪错了。Koji 没说"该往哪边挪",而是画了几个测试点反问"哪些符合圆的方程?" 逼孩子自己推出 y=0 时 x=6。 Python 课:Koji 直接不教 Hello World 那套,因为"代码现在都是 AI 写的",孩子要学的是看懂代码 + 抓 AI 的错。卡死循环?它不告诉答案,只提醒"你在死循环里",剩下你自己找。

小互

24,349 просмотров • 19 дней назад

天才数学家陶哲轩对数学AI的思考 像真的,但其实不对。 AI写出的证明,乍看完美无瑕,细看漏洞百出。 为什么? 因为它没有“嗅觉”。 今天的AI,已经完全能通过“目测测试” 生成的内容看起来专业、太对味了。 但一旦你靠近它、认真嗅一下,就会发现它撒了香水 掩盖的,是逻辑上的腐臭。 不像传统的初学者那种“明显错”, AI的问题常常隐藏在最高级别的伪装底下: 写得太好,看不出哪里坏。 就像Terry Tao说的:“数学,是有味道的。” 一个真正靠谱的证明,不只是形式正确,而是通体带着那种“对的直觉” 结构自然、推理顺畅、细节干净利落。就像人闻食物的味道,不需要吃一口,就知道有没有毒。 AI没有这个。 它可以模仿口感,复制包装,但闻不到底层的真实。因为它是在学“怎么看起来像对的”,而不是“为什么它是真的”。 你可以把它理解为一个训练过非常精良的演员,知道什么时候该皱眉、什么时候叹气,用上最漂亮的定理、最熟练的转折,但它不明白它的角色到底在干什么。 而这,正是问题所在。 人类在判断一个复杂证明时,靠的不止是推理,更靠一种经验直觉:这个步骤自然吗?这个拆解方式靠谱不靠谱?这个结构合理不合理?我们甚至很难说清楚“为什么不行”,但就是知道,“不对劲”。 这就是“数学的嗅觉” 你说不明白,但你能闻得出来。 AlphaGo和AlphaZero之所以能搞定围棋和国际象棋,不是因为它们穷举了所有下法,而是因为它们学会了在哪些局面里,有“胜利的味道”。 即便讲不出理由,它们凭那股味道,也能找到通向胜利的路。 数学AI要想达到人类水平,它得也有这种“方向感”。 不是生成个像样的证明,而是能问自己:“我是不是在一个貌似正确,实际上死路的方向上走太远了?” 也许未来某一天,它能真正感觉到:“这一步味道不对,我得退回来。” 那一天,它就不只是一个生成文本的工具,而是真正的数学伙伴了。 🙋‍♂️人有灵气

墓碑科技

120,892 просмотров • 1 год назад

熟悉Prompt的同学们应该都知道,通常在写Prompt的时候要先设定角色:“你是XX方面的专家”,这并非玄学,而是有科学根据的。 GPT在训练的时候,有各种训练数据,有的质量高有的质量低,而默认情况下,生成高质量数据和低质量数据的概率差不多,但是当你给它设定XX专家的角色时,它会尽可能把概率分布在高质量的解决方案上。 详细内容建议看下面这段Andrej Karpathy在State of GPT中的一段演讲。 以下是这段视频的文字文字内容: ---------- 下面我要讲的这点对LLM的理解非常有趣,我觉得这算是LLM的一种心理特性:LLM并不追求成功,而是追求模仿。你希望它成功,那就需要向它明确要求。这里的意思是,在训练Transformer的过程中,它们有各种训练集,而这些训练数据中可能涵盖了各种不同质量的表现。比如,可能有一个关于物理问题的提示,然后可能有学生的解答完全错误,但也可能有专家的答案完全正确。尽管Transformer可以识别出低质量的解决方案和高质量的解决方案,但默认情况下,它们只会模仿所有的数据,因为它们仅仅是基于语言模型进行训练的。 在实际测试中,你其实需要明确要求它表现得好。在这篇论文的实验中,他们尝试了各种提示。例如,“让我们逐步思考”这种提示就很有效,因为它把推理过程分散到了许多记号上。但效果更好的是这样的提示:“让我们以一步一步的方式解决问题,以确保我们得到正确的答案。” 这就好像是在引导Transformer去得出正确的答案,这会使Transformer的表现更好,因为此时Transformer不再需要把它的概率质量分散到低质量的解决方案上,尽管这听起来很荒谬。 基本上,你可以自由地要求一个高质量的解决方案。比如,你可以告诉它,“你是这个话题的领先专家。假装你的智商是120。” 但不要尝试要求太高的智商,因为如果你要求智商400,可能就超出了数据分布的范围,更糟糕的是,你可能落入了类似科幻内容的数据分布,它可能会开始展现一些科幻的,或者说角色扮演类的东西。所以,你需要找到适合的智商要求。我想这可能是一个U型曲线的关系。

宝玉

348,453 просмотров • 3 лет назад

🔥DeepMind 创始人 Demis Hassabis:AI 越强,人越需要学编程和数学 “既然 AI 什么都会,人还需要学编程和数学吗?” 很多人以为答案会是:不需要了。 但 DeepMind 创始人 Demis Hassabis 的回答却完全相反。 他的观点非常明确: 越是 AI 时代,人越需要理解技术。 原因其实很简单。 AI 能解决问题,但它不会自己提出问题。 你必须先知道: 你想解决什么 问题在哪里 什么是正确的目标 否则再强的 AI 也只是一个没有方向的工具。 换句话说,AI 的能力再强,也依然需要人来做三件事: 提出问题 定义目标 判断结果 这也是为什么 Hassabis 一直强调: 未来最重要的能力之一,依然是 数学与计算思维。 因为只有理解这些基础逻辑,你才知道 AI 在做什么。 否则就会出现一种常见情况: AI 给出了一个答案 但你根本不知道它对不对 如果你没有基本的技术理解,你甚至无法判断它是否犯错。 换一个更直观的比喻。 使用 AI,其实有点像指挥一支军队。 AI 是强大的“兵力”, 但真正决定胜负的,是指挥官。 如果指挥官不懂战略、不懂兵法, 再多的士兵 也无法打赢战争。 这也是很多技术专家越来越强调的一点: AI 不会取代理解问题的人。 它只会放大那些本来就知道自己在做什么的人。 未来的竞争,可能不再是谁会写代码。 而是: 谁更懂问题 谁更懂系统 谁更能利用 AI 的能力。 AI 会改变很多事情。 但有一件事其实没有改变: 真正重要的,仍然是人的思考能力。

M

63,869 просмотров • 3 месяцев назад