misconceptions

一位Twitter用户分享了一篇文章，讨论了AI安全讨论中的误解，并指出对持续辩论的沮丧。

本文指出，许多用户错误地认为使用 Codex 或 Claude 创建的技能可以独立运行，但它们往往依赖本地 Memory，这一点在不同机器上运行失败时得到了证实。

本文讨论了人们如何继续误解或忽视技术或AI发展的某些方面。

本文研究了LLM生成的数学题目难度评级与实际学生表现的匹配程度，发现LLM系统性地低估了由学习者误解驱动的题目的难度，这一现象被称为“简单陷阱”。

本文介绍了ThReadMed-QA多轮医疗对话数据集，并评估了五种大语言模型在纠正患者误解方面的表现，发现后续轮次中性能显著下降。

Emily Bender 澄清了她2021年论文中“stochastic parrots”的原始含义，驳斥了关于大语言模型的常见误解，并批评“人工智能”一词过度推销技术。

一个关于AI能力常见误解的讨论问题。