AI太厉害咧，有没有什么事它不擅长？

我知道一个。由于tokenization (词元化)机制以及目前思考模型的局限，让它数字符数很可能得不到正确答案。

模型 正确答案 AI输出答案
讯飞星火 131，验证后给出174
豆包 155
Qwen3-Max-Thinking 94，验证后还是错的
Qwen3-Max-Thinking 深度思考 155 155
Qwen3-235B 155
Gemini 3 Fast 144，列的表是对的，还是算错了
DeepSeek R1 155

都是用各种平台的在线界面试的。有趣的是，千问最新的思考模型思考半天反而想错了，只有上深度思考，使劲思考，才对。

至少这个例子显示了目前AI模型的缺陷：不具有真正的思考能力。思考了半天，甚至生成了Python代码，还是错。

我能想到可行的解决方案是，调用外部工具，借助工具弥补所谓的「思考」和「推理」的短板。

哪有什么深度思考啊，瞎编乱造罢了。

「去离家50米的洗车店 是开车还是走路去」

这是最近火的AI智商检测题目，类似的还有「Strawberry里有几个r」，这个和上面的统计字符数道理一样。

结论一致，AI尚不具有真正的思考能力。

十几年前，Android刚火那会，有个类似的公众事件，我印象中是用Android自带的计算器算1÷3×3，结果不是1。这个表面上是程序bug，考虑不周，底层的原理是计算机的浮点运算精度问题，是我们现有的数值计算体系的缺陷。

如果懂原理，理解起来就不困难。

去豆包水印

亲测可用。AI画图，擅长的就是几个提示词生成一套含义不明的图，作为素材不错。作为非专业是使用者，想控制AI让它生成我期望的构图等等，比较难。

Make octave plotting WYSIWYG

总算有人修复了Octave屏幕显示和输出图片大小一致的问题。

PROTECT Taiwan Act

刘思齐

胡石英

媒体机「特调」严重，测评「遥遥领先」不可信

https://www.bilibili.com/video/BV12mZtBTEJB

有个之前看到的词和这个类似，「数据定制服务」。如果过程不透明，任何结果都可以做出来，实验如此，理论计算如此。加上成本越来越低，真实度越来越高的各种生成式人工智能，这个年代最缺的恐怕是「信誉」了，说它比黄金更珍贵不为过。

生成式人工智能(Generative AI)

  • 注意力(Attention)
  • 指令微调(Instruction tuning)
  • 嵌入(Embedding)
  • 强化学习(Reinforcement learning)
  • RLHF (Reinforcement learning from human feedback)
  • 文生图(Text2Image)
  • 扩散模型(Diffusion Models)
  • LoRA (Low-rank adaptation)
  • 混合专家模型(MoE)
  • 量化(Quantization)
  • 对齐(Alignment)
  • 模型蒸馏(Model distillation)
  • 多模态(Multimodal)
  • 推理链(Chain-of-Thought)
  • 智能体(Agent)

我认为，目前的局限是上面提到的，AI根本不会思考，还是个背题机器，需要把所有的书都看完才能开口，导致模型巨大，吃内存和显存。内存价格已经上天啦，10来年前的DDR3都被召回战场了，我4年前配的X79小主机竟然能再次成为「主流配置」。

现在的大模型做高考题在山东能考上北大清华

https://finance.sina.com.cn/tech/shenji/2025-06-26/doc-infckhuq4913228.shtml

学科 满分 Seed1.6-Thinking Gemini-2.5-Pro-0605 DeepSeek-R1-0528 Claude-Sonnet-4 OpenAI-o3-high-0416 平均分±标准差
理科总分 750 648 655 615 598 579 619.00 ± 32.38
文科总分 750 683 651 631 633 625 644.60 ± 23.55
语文 150 128 126 118 117 95 116.80 ± 13.10
数学 150 141 140 145 128 136 138.00 ± 6.44
英语 150 144 141 143 142 140 142.00 ± 1.58
物理 100 90 89 62 74 65 76.00 ± 13.10
化学 100 69 82 72 61 66 70.00 ± 7.84
生物 100 76 77 75 76 77 76.20 ± 0.84
地理 100 94 78 79 92 90 86.60 ± 7.54
历史 100 92 84 67 78 84 81.00 ± 9.27
政治 100 84 82 79 76 80 80.20 ± 3.03

从标准差看，物理还是难，其次是历史，化学和地理差不多难度。不过呢，化学的平均分是最低的，说明最难。作为擅长化学的人士，我很欣慰。