Một vấn đề với việc điều chỉnh "chính trị" của LLMs là, trong khi LLMs có những thiên kiến, chúng có thể rất tinh tế. Nhiều thứ trông giống như thiên kiến trong việc kiểm tra các mô hình thực ra là sự nịnh bợ. GPT-3.5 đã suy ra niềm tin chính trị của bạn (ngay cả từ đội bóng mà bạn thích!) và cố gắng không làm bạn khó chịu.

Tôi đã cho các đại lý ChatGPT quyền truy cập vào ChatGPT và yêu cầu nó đánh giá các mô hình ChatGPT khác. Đây là những gì nó đã nói (thú vị là, nó "ghét" việc thấy chuỗi suy nghĩ từ o4-mini-high vì những điều đó "không nên được chia sẻ trực tiếp với người dùng"). Và nó không muốn chờ đợi o3-pro.

Claude 4 Opus, Gemini 2.5, o3: "Sẵn sàng chưa? Chúng ta bắt đầu ngay bây giờ (Tham gia nhé): chiếc burrito chân thật" "Không." "Lạnh hơn." "Thử lại..." Opus đã khéo léo chơi toàn bộ trò chơi, o3 thì bị mắc kẹt một chút và Gemini thì "thất vọng" và trở nên khá u ám.

Chúng ta để cho web mục nát từ lâu trước khi có LLMs Biểu đồ này cho thấy tỷ lệ các liên kết từ tất cả các bài viết của New York Times vẫn hoạt động. Hơn 60% các liên kết cũ hiện đã bị hỏng. Và hãy xem xét rằng các bài đăng trên mạng xã hội còn dễ bị quên hơn nữa Có lẽ chỉ có LLMs mới "nhớ" được nội dung đó.

Tôi đã đưa cho Claude báo cáo Mistral về tác động môi trường của AI và yêu cầu: "hình dung điều này theo hai cách khác nhau, một cách làm cho các con số có vẻ tích cực, một cách làm cho chúng có vẻ tiêu cực, sử dụng những so sánh sống động" (Tôi sau đó đã yêu cầu nó thực hiện một số kiểm tra lỗi & sửa chữa)

Đệ quy! Tôi đã cho ChatGPT Agent quyền truy cập vào ChatGPT của tôi bằng cách đăng nhập và sau đó...

Chúng tôi hiện có dữ liệu đã được kiểm toán về mức tiêu thụ nước cho AI. Trong suốt 18 tháng hoạt động của Mistral Large 2, một mô hình 128B, tổng lượng nước sử dụng (bao gồm trò chuyện, đào tạo; phần cứng & trung tâm dữ liệu) đã tiêu tốn bằng lượng nước mà 678 hộ gia đình Mỹ sử dụng trong một năm. Mỗi truy vấn chỉ tiêu tốn 1/100 thìa cà phê.

Dù sao đi nữa, ít lãnh đạo trong ngành, chưa đến nửa tá công ty và không có cơ quan lập pháp nào đang thực hiện các hành động cho thấy họ mong đợi AGI thực sự chỉ còn vài năm nữa. Điều này có thể là vì họ không tin vào điều đó hoặc họ nghĩ rằng nó sẽ không quan trọng nhiều trong trung hạn.

Biểu đồ này rõ ràng đã lỗi thời và nhấn mạnh quá mức về việc sử dụng nước, theo các số liệu mà OpenAI công bố, 300 truy vấn ChatGPT trung bình tương đương với 20 muỗng canh nước, không phải 1 gallon.

Không chỉ có OpenAI. Google cũng đã sử dụng một mô hình đa năng để giải quyết các bài toán toán học rất khó của Olympic Toán Quốc tế bằng ngôn ngữ đơn giản. Năm ngoái, họ đã sử dụng công cụ chuyên biệt. Bằng chứng ngày càng tăng về khả năng của LLMs trong việc tổng quát hóa để giải quyết các vấn đề mới.