我不想与随机鹦鹉互动
摘要
本文表达了不愿意与被称为'随机鹦鹉'的AI系统互动的态度，可能是在批评大型语言模型的局限性和伦理问题。
暂无内容
相似文章
个人计算 2.0：个人计算革命的时机已到
Imue 在文章中认为，AI 行业的数据抓取、封闭模型以及广告驱动的平台已经让互联网变得越来越糟，并呼吁开启一场「个人计算 2.0」——让无处不在的小型开源 AI 模型重新赋予用户自主权，让创造力回到计算的核心。
Opus 5.5 爱说「这很重要」（以及其他 AI 写作痕迹）
TechCrunch 报道了一项 Graphite 的研究，该研究分析了 AI 写作的痕迹，发现 Claude Opus 5.5 过度使用「this matters」（这很重要）和「dependable」（可靠）等短语，而 OpenAI 的 Astra 则偏爱模棱两可的措辞和纠错式表述——即便模型们已经逐渐摒弃了破折号等旧有的写作痕迹。
用 AI 提前预测暴力行为
本文探讨了利用 AI 提前预测暴力及其他罕见公共安全事件的可行性，以自动化视频理解和基于 AI 的地铁车站自杀风险评估研究为例，同时警示了数据质量、偏见以及模式检测的局限性等问题。
扩展注意力机制中的参数与上下文：源自 Mixture-of-Head 的原生稀疏注意力
北京大学研究人员提出 NAMOH，这是一种架构原生的稀疏注意力机制，每个 token 仅激活 H 个头中的 K 个，使头路由同时决定活跃参数量和可用上下文。该机制使参数扩展能够直接支撑高效的长上下文扩展，在总参数量相同的情况下优于全激活模型，同时与 GQA 及现有稀疏注意力方法保持兼容。
机制的转变：位置编码的选择如何塑造上下文内检索
本文对位置编码的选择（RoPE 与 SWA NoPE 混合方案）如何影响上下文内检索进行了机制层面的分析，在 22 个开源权重模型上展开研究，表明混合位置编码会将检索机制从基于位置的方式转向基于语义的方式，从而解释了它们在长上下文上的性能提升以及相应的权衡取舍。