即刻App年轻人的同好社区
下载
先后用 Grok 和 Gemini 对这个事件（美国互惠关税政策）做了 解读，还有就是扮演跨境卖家/外贸企业主发表内心os（暴躁版）
Gemini 用了deepresearch 读了几十个网页输出 万字版本解读。
暴躁版本，Gemini 竟然比黄暴著称的 Grok 更胜一筹……
Gemini 用了deepresearch 读了几十个网页输出 万字版本解读。
暴躁版本，Gemini 竟然比黄暴著称的 Grok 更胜一筹……
2 10
DeepSeek 用 4chan 语气讨论人工智能与人类认知的差异
这个好经典啊🤣⬇️
“小学生看两集《小猪佩奇》就能狂喷中式英语，AI吞了全网黄文还分不清“操”是动词还是名词。”
这个好经典啊🤣⬇️
“小学生看两集《小猪佩奇》就能狂喷中式英语，AI吞了全网黄文还分不清“操”是动词还是名词。”
0 00
我建的 MCP ima 知识库
持续更新，欢迎加入👏
持续更新，欢迎加入👏
ima.copilot-腾讯智能工作台
4 00
这个图是 ChatGPT 画的吧。
我买了这家公司出的另一款没有 AI 的产品：Ola dance，佩戴舒适，音质不错，最重要是不压耳朵，长期戴不累，续航贼长。
这个产品应该在清货，京东原价 1500，拼多多干到 6 百多。我就是从 PDD 买的
我买了这家公司出的另一款没有 AI 的产品：Ola dance，佩戴舒适，音质不错，最重要是不压耳朵，长期戴不累，续航贼长。
这个产品应该在清货，京东原价 1500，拼多多干到 6 百多。我就是从 PDD 买的
张杰伦: 真的烂爆了这个东西 tmd 之前吹的人真的是良心大大滴坏 哪哪都不行的那种
3 10
2 00
大语言模型，特别是美国科技公司开发的大元模型，是有严重的语言偏食症，根本原因是95%以上的语料都是英语，下面是更多的事实和数据：
- Llama 2非洲语言生成准确率比英语低40%-60%。
- Gemini处理印度方言错误率是英语3倍。
- ChatGPT医疗问答在非英语语言准确率降至52%。
- Meta审核系统误删非洲合法内容，误判率34%。
- TikTok印尼方言审核误标致申诉率增27%。
- 主流AI对中东词汇误分类率68%。
- 巴西葡萄牙语暴力威胁漏报率45%。
- AI训练数据英语占比80%，非洲语言仅0.2%。
- 英语数据标注成本为非英语1/5。
- 非拉丁语言分词效率降30%-50%。
- 印地语训练语料规模为英语1/50。
- 印度方言超1.9万种，主流AI仅支持22种。
- 非洲语码切换致语义错误率55%。
- 非洲语言AI项目资金占比仅0.3%。
- Meta非洲审核团队仅5%精通本土语言。
- Llama 2非洲语言生成准确率比英语低40%-60%。
- Gemini处理印度方言错误率是英语3倍。
- ChatGPT医疗问答在非英语语言准确率降至52%。
- Meta审核系统误删非洲合法内容，误判率34%。
- TikTok印尼方言审核误标致申诉率增27%。
- 主流AI对中东词汇误分类率68%。
- 巴西葡萄牙语暴力威胁漏报率45%。
- AI训练数据英语占比80%，非洲语言仅0.2%。
- 英语数据标注成本为非英语1/5。
- 非拉丁语言分词效率降30%-50%。
- 印地语训练语料规模为英语1/50。
- 印度方言超1.9万种，主流AI仅支持22种。
- 非洲语码切换致语义错误率55%。
- 非洲语言AI项目资金占比仅0.3%。
- Meta非洲审核团队仅5%精通本土语言。
为什么世界开始抛弃美国AI模型？
1 10
📢 AI“团队”也可能翻车？🤯 最新研究揭秘多智能体系统（MAS）为何失败！不是因为AI不够聪明，而是任务不清、角色混乱、沟通不畅和质检不到位！就像一个糟糕的团队一样。这项研究还提出了未来优化策略，让AI“团队”更靠谱！
---
➡️ 为什么要做这项研究？
随着人工智能的发展，让多个AI像一个团队一样协同工作来完成复杂任务变得越来越受关注。这种“多智能体系统”（MAS）被认为在软件开发、药物发现等领域有巨大潜力。然而，实际应用中发现，这些系统的表现往往不如预期，甚至不如单个AI。为了搞清楚为什么这些AI“团队”会“掉链子”，并找到提升它们效率的方法，研究人员开展了这项研究。
➡️ 研究的过程是怎样的？
研究人员并没有一开始就设定好“AI团队”会因为哪些原因失败，而是采取了一种更开放的方式，就像侦探破案一样。他们主要做了以下几件事：
1️⃣ 收集“案例”： 他们选取了五个流行的开源多智能体系统，让它们执行了150多个不同的任务，记录下它们工作的全过程，就像记录下团队开会的录音和工作日志一样。
2️⃣ 寻找“线索”： 接着，他们请了6位专家仔细分析这些“工作记录”，找出AI“团队”在哪些环节出了问题，为什么没有成功完成任务。这个过程就像专家分析团队失败的案例。
3️⃣ 归纳“原因”： 专家们通过反复讨论和比较，最终总结出了14种不同的失败模式，并将它们归为三大类。这个过程就像侦探将收集到的线索进行整理和归类。
4️⃣ 验证“结论”： 为了确保这些“失败原因”是可靠的，研究人员还开发了一个AI“法官”，让它也来分析这些“工作记录”，并与专家的分析结果进行对比，看看是否一致
5️⃣ 尝试“改进”： 最后，他们还尝试了一些简单的方法来改进这些AI“团队”的表现，看看是否能减少失败的发生。
研究结果是什么？
➡️ 研究发现，多智能体系统的失败主要可以归为以下三大类：
● 任务不清和设计问题： 就像团队任务没布置明白，或者团队组织结构有问题一样。比如，AI不知道要做什么，或者角色分工不明确。
● 团队沟通和协作问题： 就像团队成员之间沟通不畅，互相不配合一样。比如，AI之间误解了对方的意思，或者明明知道重要信息却不分享。
● 质量检查和结束问题： 就像团队工作做完后没有好好检查，或者不该结束的时候就结束了一样。比如，AI没有对自己的工作进行验证，或者任务还没完成就停止了。
➡️ 研究者从中得出什么结论？
研究人员得出结论，多智能体系统的失败并不仅仅是因为AI本身不够聪明，更多的是因为组织和设计上的问题。
就像一个优秀的团队也需要明确的目标、清晰的分工和有效的沟通一样，要让AI“团队”更好地工作，需要我们在设计系统的时候就考虑到这些因素。
未来的研究应该关注如何更好地设计AI“团队”的架构、如何提升它们之间的沟通效率以及如何有效地进行任务验证，这样才能真正发挥出多智能体系统的潜力。
---
➡️ 为什么要做这项研究？
随着人工智能的发展，让多个AI像一个团队一样协同工作来完成复杂任务变得越来越受关注。这种“多智能体系统”（MAS）被认为在软件开发、药物发现等领域有巨大潜力。然而，实际应用中发现，这些系统的表现往往不如预期，甚至不如单个AI。为了搞清楚为什么这些AI“团队”会“掉链子”，并找到提升它们效率的方法，研究人员开展了这项研究。
➡️ 研究的过程是怎样的？
研究人员并没有一开始就设定好“AI团队”会因为哪些原因失败，而是采取了一种更开放的方式，就像侦探破案一样。他们主要做了以下几件事：
1️⃣ 收集“案例”： 他们选取了五个流行的开源多智能体系统，让它们执行了150多个不同的任务，记录下它们工作的全过程，就像记录下团队开会的录音和工作日志一样。
2️⃣ 寻找“线索”： 接着，他们请了6位专家仔细分析这些“工作记录”，找出AI“团队”在哪些环节出了问题，为什么没有成功完成任务。这个过程就像专家分析团队失败的案例。
3️⃣ 归纳“原因”： 专家们通过反复讨论和比较，最终总结出了14种不同的失败模式，并将它们归为三大类。这个过程就像侦探将收集到的线索进行整理和归类。
4️⃣ 验证“结论”： 为了确保这些“失败原因”是可靠的，研究人员还开发了一个AI“法官”，让它也来分析这些“工作记录”，并与专家的分析结果进行对比，看看是否一致
5️⃣ 尝试“改进”： 最后，他们还尝试了一些简单的方法来改进这些AI“团队”的表现，看看是否能减少失败的发生。
研究结果是什么？
➡️ 研究发现，多智能体系统的失败主要可以归为以下三大类：
● 任务不清和设计问题： 就像团队任务没布置明白，或者团队组织结构有问题一样。比如，AI不知道要做什么，或者角色分工不明确。
● 团队沟通和协作问题： 就像团队成员之间沟通不畅，互相不配合一样。比如，AI之间误解了对方的意思，或者明明知道重要信息却不分享。
● 质量检查和结束问题： 就像团队工作做完后没有好好检查，或者不该结束的时候就结束了一样。比如，AI没有对自己的工作进行验证，或者任务还没完成就停止了。
➡️ 研究者从中得出什么结论？
研究人员得出结论，多智能体系统的失败并不仅仅是因为AI本身不够聪明，更多的是因为组织和设计上的问题。
就像一个优秀的团队也需要明确的目标、清晰的分工和有效的沟通一样，要让AI“团队”更好地工作，需要我们在设计系统的时候就考虑到这些因素。
未来的研究应该关注如何更好地设计AI“团队”的架构、如何提升它们之间的沟通效率以及如何有效地进行任务验证，这样才能真正发挥出多智能体系统的潜力。
https://arxiv.org/pdf/2503.13657
3 02
