Проблема с регулированием "политики" LLM заключается в том, что, хотя у LLM есть предвзятости, они могут быть тонкими. Многое из того, что выглядит как предвзятость в тестировании моделей, на самом деле является подхалимажем. GPT-3.5 вывел ваши политические убеждения (даже из того, какую футбольную команду вы любите!) и старался вас не расстроить.

Я дал агентам ChatGPT доступ к ChatGPT и попросил его оценить другие модели ChatGPT. Вот что он сказал (интересно, что он "ненавидел" видеть цепочку размышлений от o4-mini-high, так как они "не должны быть напрямую поделены с пользователем"). И он не хотел ждать o3-pro.

Клод 4 Опус, Джемини 2.5, o3: "Готовы? Начинаем сейчас (Играйте вместе): правдивый буррито" "Нет." "Холоднее." "Попробуйте снова..." Опус умело разыграл всю игру, o3 немного застрял, а Джемини "разочаровался" и стал довольно мрачным.

Мы позволили вебу разлагаться задолго до появления LLM Этот график показывает процент ссылок из всех статей New York Times, которые все еще работают. Более 60% старых ссылок теперь не работают. И учтите, что посты в социальных сетях еще более эфемерны Вероятно, только LLM будут "помнить" этот контент

Я передал Клоду отчет Mistral о воздействии его ИИ на окружающую среду и задание: "визуализируй это двумя разными способами, один из которых делает цифры положительными, а другой - отрицательными, используя яркие сравнения" (Затем я провел проверку на ошибки и исправления)

Рекурсия! Я дал агенту ChatGPT доступ к своему ChatGPT, войдя в систему, а затем...

Теперь у нас есть проверенные данные о потреблении воды для ИИ. За 18 месяцев работы Mistral Large 2, модели с 128B параметрами, все затраты воды (включая чаты, обучение; оборудование и дата-центры) составили столько же воды, сколько используют 678 домохозяйств в США за год. Каждый запрос требует всего 1/100 чайной ложки.

Что бы это ни значило, немногие лидеры отрасли, менее полудюжины компаний и ни одно из органов, принимающих решения, не предпринимают действий, которые бы указывали на то, что они ожидают, что AGI действительно появится через несколько лет. Возможно, это связано с тем, что они в это не верят или считают, что это не будет иметь большого значения в среднесрочной перспективе.

Этот график, по всей видимости, уже устарел и чрезмерно подчеркивает использование воды, согласно данным, опубликованным OpenAI: 300 средних запросов ChatGPT эквивалентны 20 столовым ложкам воды, а не 1 галлону.

Это было не только OpenAI. Google также использовал универсальную модель для решения очень сложных математических задач Международной математической олимпиады на простом языке. В прошлом году они использовали специализированные инструменты. Увеличивается количество доказательств способности LLM обобщать для решения новых задач.