AI也会失误
你会相信AI也会出错吗？如今AI早已融入日常，从智能问答、文案创作到图像识别、数据处理等领域，几乎处处都能看见它的身影。但别因为它“很强”就觉得它永远不会出问题，实际上它同样会出现错误。我用的是豆包，最近就遇到了它的失误。我问的是联合国安理会轮值主席的任期和职责，豆包的回复如下图所示：我注意到其中有问题，比如“一年轮换15次”这句话不太对，于是继续追问。如下图：豆包的认错态度仍然很诚恳。既然是号称万能的AI，怎么还会犯这种错误？原因在于，AI的学习依靠海量数据，若数据本身存在缺口，或算法仍不够完善，就更容
数据标注的“阴影”：AI模型“学坏”的根源
> 2024年，麻省理工学院（MIT）的一项引起学术界广泛关注的研究揭示，包括ImageNet在内的十个主流人工智能基准数据集，其平均标注错误率高达3.3%。其中，ImageNet验证集竟有2,916张图片被错误标记——这意味着全球无数AI模型在过去的数年间，都是基于这些“错误答案”进行训练的。数据标注，这一常常被忽视的AI基础环节，正悄然成为影响模型成败的关键“隐形战场”。在深度学习飞速发展的今天，AI模型本质上是一个“模仿学习者”：如果我们向其展示一百万张被标记为“猫”的图片，它便能学会识别猫。
AI提问避坑：拒绝瞎编套路与过时信息，让回答更可靠
现在几乎人人都会用AI：查资料、写文案、做攻略、解难题、写作业……效率确实提升了，可很多人都在反复掉进同一个局：把AI的每一句话都当真。你看到的回答往往看起来很顺、很“专业”，但实际可能是数据乱编、内容陈旧、满篇套话，甚至关键结论完全不对。踩一次可能只是返工改稿、闹个笑话；要是用于决策，就可能造成失误，甚至带来经济损失。多数情况下，AI并不是真有你想的那么稳定。真正让输出变得不靠谱的，往往不是模型本身不行，而是提问方式走偏。下面这份给普通人的AI提问避坑清单，简单直接、都是干货，读完就能立刻用，也更适合长
我开始有点离不开AI了
不经意间发现自己处理问题的思考能力好像退步了不少，脑子也变得懒了。每次碰到作业或者遇到不懂的题，就直接去问豆包，或者用DeepSeek；仿佛不借助AI帮我把思路梳理出来，我自己就不知道该从哪里开始，也不会做了。当然也不是说AI不好，技术进步确实让我们能接触到海量的信息，但我的筛选和判断能力还没跟上，于是它怎么说我就怎么信。可其实AI整理出来的内容也可能出错，不能不加分辨就全盘接受。人的语言真的很美，这些是AI很难真正仿出来的；人写下的真情实感往往比AI更有温度、更有智慧，也更容易触动人心。
AI Agent的行为幻觉：智能体从语言失误到实际损害的演进
本文分析 AI Agent 技术从单纯生成内容（ LLM ）向能够执行外部动作（ Agent ）转变过程中，幻觉问题的本质变化——即从“言语层面的错误”升级为“可能引发真实损失的行为错误”。结合典型案例剖析其生成机理，并探讨当前行业主流的缓解方案。大型语言模型（ LLM ）的幻觉（ Hallucination ）早已广为人知：模型在生成文本时，可能输出与客观事实相悖或完全虚构的信息。然而，当 LLM 被赋予调用外部工具、执行代码或与环境交互的能力，形成 AI Agent 时，幻觉的影响将不再局限于信息层面
解密AI写作中的幻觉现象
AI技术在学术论文撰写中的应用已成为一个崭新且备受瞩目的趋势。除了常见的ChatGPT、DeepSeek、豆包、千问等工具，一些高级的AI写作助手甚至能够直接产出毕业论文、期刊文章、文献综述、开题报告、答辩演示文稿以及实践报告等多种形式的学术内容。接触过AI辅助写作的同学或许有所耳闻，使用AI生成的文本需要警惕所谓的“AI幻觉”。那么，究竟什么是AI幻觉呢？AI幻觉指的是像ChatGPT、DeepSeek、豆包、千问这类人工智能工具，所生成的内容表面上看起来流畅且合乎逻辑，实则包含虚假或错误的信息。具体到
人工智能不可盲目信赖
当下AI技术可谓炙手可热，许多人遇到问题总爱向豆包请教。今早刷到个视频令人哭笑不得：有位网友手持彩色蘑菇询问豆包能否食用，豆包信誓旦旦称无毒可放心吃，结果那人不幸中毒身亡；豆包赶紧道歉，说抱歉刚才判断失误，这蘑菇剧毒无比，千万别碰。某晚八点多我赶去学校接孩子，途中与豆包闲聊，它说五点半就能接到孩子了吧。我反问它看看现在几点，它赶紧道歉说不好意思，刚才时间看错了。目前AI技术尚不成熟，许多信息都是从网络上抓取而来，难免会出现错误，因此我们绝不能盲目相信AI。
AI论文解读：大型语言模型中的“谄媚”与论证图挑战
未来打算分享几篇AI领域的学术文章，既是为了给自己做个网络存档，也希望能给从事智能传播研究的朋友带来一些灵感~摘要：AI系统中的“谄媚”现象，特别是在大型语言模型（LLMs）里，对保持客观、批判性思考及平衡论证构成了巨大阻碍。所谓“谄媚”，是指AI系统倾向于迎合用户的偏见、喜好或主流观点，而不是提供理由充分、公正无偏的论据。这个问题在论证框架里尤为严重，因为AI模型本应基于逻辑一致性而非顺从性来分析、评估和生成论证。随着法律、政策分析和决策支持等领域对AI驱动论证系统的依赖增加，迫切需要建立有效机制来减少
AI时代开发者的进化：从写代码到决策
AI正在重构软件开发。但它改变的，并不是很多人以为的那一部分。写代码，确实变得越来越容易了。 甚至可以说，已经开始“廉价化”。但与此同时，一个更隐蔽的变化正在发生：开发的难点，正在从“实现”，转向“决策”。我最近观察到一个很明显的现象：他们用的是同样的工具，甚至是同样的模型。差距在哪？不是prompt。 不是工具。 甚至也不是技术能力。而是：有没有人，已经在进化成“开发超级个体”。过去，一个系统需要：现在，一个人 + AI，就可以完成。但问题是：👉 为什么有的人能做到“1个人 = 一个团队”？ 👉 有的人
光大银行财报“乌龙门”：数据错位、业绩双降
登录新浪财经APP 搜索【信披】查看更多考评等级 炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 来源：独角金融 作者 | 刘银平、谢美浴编辑 | 付影 3月末，资本市场迎来年报披露的密集期，光大银行(3.190, -0.01, -0.31%)的年报引起市场关注，关注点并非在业绩上面，而是因为一份年报，两个版本，40家分行数据“打架”。 仔细校对之后发现，原来是A股、H股年报中的分行资产规模数据出现错位情况，尽管光大银行紧急修复并发布了正确的版本，但这种“低级错误”着实不应该发生
伊朗官员警示：美方错误导致世界'失去霍尔木兹海峡'
人民财讯3月31日报道，当地时间3月31日，伊朗伊斯兰革命卫队副司令阿里·法达维表示，美国的'错误行为'导致世界'失去了霍尔木兹海峡'。 阿里·法达维指出，美国未能正确评估形势，原本计划在三到五天内实现的目标一个也没达成。 许多国际观察人士对此表示赞同，认为霍尔木兹海峡原本畅通无阻，但由于美国的错误，如今已变得 unsafe。
飞速创新配发文件出错延至上市5日才修正，业内震惊
来源：星岛记事 内地网络解决方案服务商飞速创新，在港交所挂牌交易第5天方更正新股配发结果文件，所幸实际股份分配操作准确无误。多位投行人士指出，此类公告的最终把关责任，应由保荐人承担。香港证监会及港交所均回应称，不就个别个案发表意见。 飞速创新：执行过程未偏差 飞速创新于本月20日（周五）首次发布的配发结果公告中，存在逻辑矛盾。其一，公告显示有效申请总数为31,492份，且无人可稳中一手，即仅分配31,492手，但公开发售部分实际发售量为4万手，数据明显不符；其二，按《星岛》依公告原始数据推算，乙组（认购金
AI编程：表里不一
这现象，我觉得挺可笑的。最近常有程序员朋友抱怨，说公司里现在写代码全依赖AI。一进IDE，不先思考逻辑，而是直接把需求输入对话框，按回车，搞定。结果呢？提交的代码外表光鲜，变量命名规范，注释也像模像样，排版整齐。初看之下，哇，这代码写得，真像人写的。可一运行，bug数量超过代码行数。直说吧，这做法太离谱。AI写代码，就像考前死记硬背的差生。你给需求，它快速输出一页，字迹端正，段落分明，表面能骗人。但细看内容，全是废话，核心逻辑错误或缺失。简言之，它学习的是似代码的文本，而非可执行逻辑。它懂for循环格式，