llm-output

Andrej Karpathy 分享了高效理解大模型海量输出的实用技巧：用 ASD-STE100 受控语言约束文本、生成图表与架构图、构建可交互 HTML 页面进行参数探索，以及制作 3Blue1Brown 风格的讲解视频——当「一次性软件」的成本趋近于零时，这些方法尤为实用。

一项涉及504名参与者的研究发现，高度怀疑并未提高对AI生成文本的检测能力，持续接触下假新闻准确性下降了10.2个百分点，这表明在媒体评估中存在认知疲劳。

一篇批评在对话和代码评审中照搬AI回复的习惯的博文，敦促读者理解、验证并改写AI输出，以增加真正的价值。

一种实用技术，通过将验证错误反馈到重试提示中，改进语言模型的结构化输出生成，使模型能够自我修正而非盲目重试。该方法以模型易理解的方式描述错误，并提供先前输出供其编辑。

博客文章讨论“slop paralysis”——即无法审查AI编程代理生成的代码——并提供缓解策略。