Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

艹了，很难想象一个产品能像 Clawdbot 这样用起来这么傻逼他妈的，一个模型配置和切换搞了我一下午！藏师傅总结了一下自己遇到的所有模型问题和解决方法如果你也被这个问题困扰可以看看

歸藏(guizang.ai)

164,463 subscribers

170,339 просмотров • 6 месяцев назад •via X (Twitter)

Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

顺藤摸瓜找到这个视频的作者了问了下一对一教学是3000元丢个视频你自己学是588元可以使用训练好的模型，也可以自己用SD生成定制自己独有的虚拟人模型一个模型一张脸，做好无法更换！显卡3060起步

顺藤摸瓜找到这个视频的作者了问了下一对一教学是3000元丢个视频你自己学是588元可以使用训练好的模型，也可以自己用SD生成定制自己独有的虚拟人模型一个模型一张脸，做好无法更换！显卡3060起步

小互

1,197,053 просмотров • 2 лет назад

如果你遇了到一个解决不了的难题，只有不停的问为什么，就能找到答案...

如果你遇了到一个解决不了的难题，只有不停的问为什么，就能找到答案...

Morris

118,631 просмотров • 2 лет назад

马斯克说他只问一个问题，就能看出谁爱吹牛，爱撒谎。这个问题是，说说你遇到的一些困难，以及你具体是怎么解决他们的。真正解决过问题的人，能把解决问题的具体过程和细节讲得非常清楚，而那些爱吹牛的，往往只能讲个大概，追问几句就露馅了。

马斯克说他只问一个问题，就能看出谁爱吹牛，爱撒谎。这个问题是，说说你遇到的一些困难，以及你具体是怎么解决他们的。真正解决过问题的人，能把解决问题的具体过程和细节讲得非常清楚，而那些爱吹牛的，往往只能讲个大概，追问几句就露馅了。

投机实验室

68,792 просмотров • 2 месяцев назад

手把手教你，如何在 codex 中接入 DeepSeek 模型。最近使用 cc-switch，在 codex 中接入 DeepSeek 的时候，遇到了一个问题，就是配置好之后，模型显示成了自定义。这个问题，github 中有人提了，作者也亲自回复了，在通用设置里，codex 增强那里，「切换第三方时保留官方登录」这个选项一定要勾选✅

手把手教你，如何在 codex 中接入 DeepSeek 模型。最近使用 cc-switch，在 codex 中接入 DeepSeek 的时候，遇到了一个问题，就是配置好之后，模型显示成了自定义。这个问题，github 中有人提了，作者也亲自回复了，在通用设置里，codex 增强那里，「切换第三方时保留官方登录」这个选项一定要勾选✅

前端哥Liam

78,747 просмотров • 1 месяц назад

在surf上发布了一个网站有什么功能自己看吧我不想解释了总结：有了这个你可以丢掉所有的项目网站了

在surf上发布了一个网站有什么功能自己看吧我不想解释了总结：有了这个你可以丢掉所有的项目网站了

入机

24,655 просмотров • 3 месяцев назад

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

阿蔺A-Lin

27,925 просмотров • 5 месяцев назад

Clawdbot 昨天更新官方集成了飞书插件终于可以用国产模型和国产 IM 去驱动 Clawdbot ！配置了一下，坑还不少，我看 github 也有不少类似的提问写了篇文章帮大家排下雷，觉得有用的话可以帮忙点个赞

Clawdbot 昨天更新官方集成了飞书插件终于可以用国产模型和国产 IM 去驱动 Clawdbot ！配置了一下，坑还不少，我看 github 也有不少类似的提问写了篇文章帮大家排下雷，觉得有用的话可以帮忙点个赞

歸藏(guizang.ai)

59,903 просмотров • 6 месяцев назад

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。其实 HuggingChat 也不错的你可以在这里体验所有的开源大语言模型

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。其实 HuggingChat 也不错的你可以在这里体验所有的开源大语言模型

indigo

183,917 просмотров • 2 лет назад

通义这个模型快到离谱，我在测试模型的时候，无意间看到这个试了一下，原本起码需要 30 秒的流程，他居然 10 秒内搞定了

通义这个模型快到离谱，我在测试模型的时候，无意间看到这个试了一下，原本起码需要 30 秒的流程，他居然 10 秒内搞定了

Paidax

21,095 просмотров • 6 месяцев назад

90年代的老录像，天呐和妈妈一模一样又生了一个和自己一模一样的娃！这家子基因🧬太强大了！

90年代的老录像，天呐和妈妈一模一样又生了一个和自己一模一样的娃！这家子基因🧬太强大了！

行进中的二诸葛

623,507 просмотров • 3 месяцев назад

斯坦福团队造了1000个 AI 模拟人，预测真人行为的准确率到了85% 他们做了一个实验：用 AI 创建了1000个代表美国人口结构的虚拟个体，让它们在模拟环境里做各种决策然后拿模拟结果跟真人的实际行为做对比——85% 的吻合度这个数字意味着：AI模拟体的选择，和真人被问到同样问题时的选择，五次里有四次以上是一致的怎么被发现商业价值的？财富500强的CEO们去斯坦福参观看到了这个演示，开始疯狂问市场相关的问题。团队发现这些问题以前没人能回答，但模拟可以于是他们决定把这个研究做成产品：一个 AI 模拟平台，专门帮企业在做重大决策之前先"跑一遍" 想推一个新产品？先让1000个AI消费者试试反应想调价格？先模拟市场会怎么变想进一个新市场？先看模拟人群的接受度市场调研行业可能要被 AI 重新定义了

斯坦福团队造了1000个 AI 模拟人，预测真人行为的准确率到了85% 他们做了一个实验：用 AI 创建了1000个代表美国人口结构的虚拟个体，让它们在模拟环境里做各种决策然后拿模拟结果跟真人的实际行为做对比——85% 的吻合度这个数字意味着：AI模拟体的选择，和真人被问到同样问题时的选择，五次里有四次以上是一致的怎么被发现商业价值的？财富500强的CEO们去斯坦福参观看到了这个演示，开始疯狂问市场相关的问题。团队发现这些问题以前没人能回答，但模拟可以于是他们决定把这个研究做成产品：一个 AI 模拟平台，专门帮企业在做重大决策之前先"跑一遍" 想推一个新产品？先让1000个AI消费者试试反应想调价格？先模拟市场会怎么变想进一个新市场？先看模拟人群的接受度市场调研行业可能要被 AI 重新定义了

Vincent

27,763 просмотров • 2 месяцев назад

Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗? 直接说结论, 能完成我这个大象牙膏测试的一部分, 已经很厉害了, Python 杯子倒水那个测试表现也可圈可点. 来看测试中暴露出来的问题: 首先这个模型生成的样式特别多变, 可以看测试中生成的前端页面的样式和布局, 几乎每次都不一样. 所以实际使用中, 可能会存在稳定性的问题, 建议 prompt 中多做约束, 避免模型过度发挥. 不过这并不全是坏处, 如果拿这个大模型写文, 反而可能会超常发挥, 每次写出来的东西都不一样, 不会呆板. 另外目前发现最大的问题是, 给到模型一大堆数据, 让模型整理一个网页, 结果模型偷懒了, 直接把代码和数据省略掉了, 这个应该还是 GPT-4 时代的问题 (24年上半年) 出现了. 这里猜测可能是高稀疏性专家混合模型或者多词元预测造成的问题, 这两个都会在生成中选择最经济的生成模式, 因此可能会倾向于生成"此处代码省略"这样的代码来替代原本要生成一大堆代码的场景. 召回倒是没太大问题, 鞭炮连锁爆炸那个测试, 虽然模型没有成功写出来, 但是最长的一次还是生成了1100行代码, 我仔细看了下, 基本都考虑到了我 prompt 中要求的逻辑, 只不过实现的代码有 bug 跑不起来而已. 综合来讲, 我觉得这应该是 100B 以内的模型无敌手了, 考虑到定位可能是个新的技术试验模型, 所以期待千问推出更大规模 (例如400B-A15B) 的模型, 带来更好的性能. 测试 prompt: #Qwen3Next #大模型竞技场 #Qwen3

Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗? 直接说结论, 能完成我这个大象牙膏测试的一部分, 已经很厉害了, Python 杯子倒水那个测试表现也可圈可点. 来看测试中暴露出来的问题: 首先这个模型生成的样式特别多变, 可以看测试中生成的前端页面的样式和布局, 几乎每次都不一样. 所以实际使用中, 可能会存在稳定性的问题, 建议 prompt 中多做约束, 避免模型过度发挥. 不过这并不全是坏处, 如果拿这个大模型写文, 反而可能会超常发挥, 每次写出来的东西都不一样, 不会呆板. 另外目前发现最大的问题是, 给到模型一大堆数据, 让模型整理一个网页, 结果模型偷懒了, 直接把代码和数据省略掉了, 这个应该还是 GPT-4 时代的问题 (24年上半年) 出现了. 这里猜测可能是高稀疏性专家混合模型或者多词元预测造成的问题, 这两个都会在生成中选择最经济的生成模式, 因此可能会倾向于生成"此处代码省略"这样的代码来替代原本要生成一大堆代码的场景. 召回倒是没太大问题, 鞭炮连锁爆炸那个测试, 虽然模型没有成功写出来, 但是最长的一次还是生成了1100行代码, 我仔细看了下, 基本都考虑到了我 prompt 中要求的逻辑, 只不过实现的代码有 bug 跑不起来而已. 综合来讲, 我觉得这应该是 100B 以内的模型无敌手了, 考虑到定位可能是个新的技术试验模型, 所以期待千问推出更大规模 (例如400B-A15B) 的模型, 带来更好的性能. 测试 prompt: #Qwen3Next #大模型竞技场 #Qwen3

karminski-牙医

30,709 просмотров • 11 месяцев назад

龙虾和ChatGPT有什么区别？我打过一个比方：以前的大模型，像一个普林斯顿毕业的阿尔兹海默症患者。什么都懂，但让它明天提醒你一件事，它做不到。龙虾解决的就是这个问题——它有一台电脑，有记忆，有生物钟，可以在你睡着的时候替你工作。做了个视频专门解释这件事，一分钟看懂龙虾是什么。

龙虾和ChatGPT有什么区别？我打过一个比方：以前的大模型，像一个普林斯顿毕业的阿尔兹海默症患者。什么都懂，但让它明天提醒你一件事，它做不到。龙虾解决的就是这个问题——它有一台电脑，有记忆，有生物钟，可以在你睡着的时候替你工作。做了个视频专门解释这件事，一分钟看懂龙虾是什么。

傅盛

27,035 просмотров • 5 месяцев назад

CAD大模型来啦！还记得 cursor 创业的时候说自己其实是搞 CAD 大模型的嘛？但是他们遇到的问题是全网 CAD 数据太少了，炼不出来好的模型。今天这个模型作者遇到了同样的问题，他使用了 OpenSCAD 数据集，但是质量太差，于是花了150刀使用AI辅助生成/修复数据，然后觉得太贵了，又用 Gemma3-12b 洗了2天，最后使用 Gemma3-1B 进行微调，得到了这个 CAD 大模型——k-1b 这个模型你只需输入想要什么，它就能生成 stl 格式的 3D模型，然后作者还写了个工具能转换为 OBJ 模型以及在 terminal 预览模型生成的怎么样模型地址：引擎地址：/github.com/ThomasVuNguyen/MakeMe

CAD大模型来啦！还记得 cursor 创业的时候说自己其实是搞 CAD 大模型的嘛？但是他们遇到的问题是全网 CAD 数据太少了，炼不出来好的模型。今天这个模型作者遇到了同样的问题，他使用了 OpenSCAD 数据集，但是质量太差，于是花了150刀使用AI辅助生成/修复数据，然后觉得太贵了，又用 Gemma3-12b 洗了2天，最后使用 Gemma3-1B 进行微调，得到了这个 CAD 大模型——k-1b 这个模型你只需输入想要什么，它就能生成 stl 格式的 3D模型，然后作者还写了个工具能转换为 OBJ 模型以及在 terminal 预览模型生成的怎么样模型地址：引擎地址：/github.com/ThomasVuNguyen/MakeMe

karminski-牙医

28,604 просмотров • 10 месяцев назад

OpenRouter：大语言模型“路由器” Openrouter提供了一个统一的接口，通过这个接口，你可以直接访问和使用几十种AI模型你可以使用这个接口对各种模型进行测试和比价，选择最适合自己的，避免了东奔西跑 🙂 目前已经支持包括GPT、LLama 、Claude、Command-R等80 多个模型，未来将扩展到数百种！访问：

OpenRouter：大语言模型“路由器” Openrouter提供了一个统一的接口，通过这个接口，你可以直接访问和使用几十种AI模型你可以使用这个接口对各种模型进行测试和比价，选择最适合自己的，避免了东奔西跑 🙂 目前已经支持包括GPT、LLama 、Claude、Command-R等80 多个模型，未来将扩展到数百种！访问：

小互

45,856 просмотров • 2 лет назад

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

301,920 просмотров • 2 лет назад

特斯拉胎压传感器坏了，询问了一下官方需要800多，所以想着自己在淘宝买了一个换上，今天已经换完了。由于他这个是模块化的胎压传感器，所以你只要把淘宝买的换上，把旧的拆下来就好了，非常简单，你也不用担心匹配的问题。车就会自动检测这个，它传感器它会自动匹配，换完之后就会显示正常了。

特斯拉胎压传感器坏了，询问了一下官方需要800多，所以想着自己在淘宝买了一个换上，今天已经换完了。由于他这个是模块化的胎压传感器，所以你只要把淘宝买的换上，把旧的拆下来就好了，非常简单，你也不用担心匹配的问题。车就会自动检测这个，它传感器它会自动匹配，换完之后就会显示正常了。

𝗦𝘁𝗲𝘃𝗲 𝕏

351,661 просмотров • 1 год назад

一位朋友的公司他们肝了好几天，做了个 Deep Research 的平替但是模型是基于 DeepSeek R1 产品的名字叫：心流域名我试用了一下，搜索「哪吒2上映之后的票房表现和背后原因」结果它自己不停搜索和思考了2分钟，最后给出了答案相比 Deep Research，这个思考的过程也外露了，非常有趣，可以看看录屏目前的小问题是，在超长的上下文中 R1 会有幻觉，所以未必是最适合做长文总结的模型

一位朋友的公司他们肝了好几天，做了个 Deep Research 的平替但是模型是基于 DeepSeek R1 产品的名字叫：心流域名我试用了一下，搜索「哪吒2上映之后的票房表现和背后原因」结果它自己不停搜索和思考了2分钟，最后给出了答案相比 Deep Research，这个思考的过程也外露了，非常有趣，可以看看录屏目前的小问题是，在超长的上下文中 R1 会有幻觉，所以未必是最适合做长文总结的模型

Orange AI

109,343 просмотров • 1 год назад