疲憊：用 JSON 提示 Veo 3 影片。 充滿活力：用 PowerPoint 提示 Veo 3 影片。

AI 基準測試（錯誤、飽和、污染）問題的緩解因素在於，儘管存在問題，但它們之間仍然有相當強的相關性。 因此，如果你的 AI 在 GPQA、MMLU 或 HLE 上表現良好，那麼它在其他基準測試、氛圍和實際工作上也往往表現良好。

美國和英國的年輕人招聘放緩，但證據持續表明，原因通常不是人工智慧（至少目前還不是）

關於規範大型語言模型（LLMs）「政治」的問題在於，儘管LLMs存在偏見，但這些偏見可能是微妙的。在測試模型時，許多看似偏見的情況實際上是迎合。 GPT-3.5推斷了你的政治信仰（甚至從你喜歡的足球隊中！）並試圖不讓你不高興。

我給了 ChatGPT 代理人訪問 ChatGPT 的權限，並要求它評估其他 ChatGPT 模型。 這是它所說的（有趣的是，它 "厭惡" 看到 o4-mini-high 的思考過程，因為那些 "不應該直接與用戶分享"）。而且它不想等 o3-pro。

Claude 4 Opus, Gemini 2.5, o3: "準備好了嗎？我們現在開始（一起玩）：真實的墨西哥捲餅" "不對。" "更冷。" "再試一次..." Opus 聰明地玩完了整個遊戲，o3 有點卡住了，而 Gemini 則感到 "沮喪"，變得相當陰暗。

我們讓網路在大型語言模型（LLMs）出現之前就開始腐爛 這張圖顯示了所有《紐約時報》文章中仍然有效的連結百分比。超過60%的舊連結現在已經失效。而且要考慮到社交媒體的帖子甚至更為短暫 可能只有大型語言模型會「記住」那些內容

我把關於其人工智慧對環境影響的 Mistral 報告交給了 Claude，並給了他這個提示："以兩種不同的方式可視化這個，一種讓數字看起來是正面的，另一種讓它們看起來是負面的，使用生動的比較" （然後我讓它進行了一些錯誤檢查和修正）

人文學科中人工智慧的精彩範例。一個訓練於拉丁文文本的Google模型填補了拉丁銘文的遺失部分並識別相關文本。 歷史學家在使用人工智慧時提高了44%的準確性（雖然單靠人工智慧的表現超過歷史學家，但歷史學家加上人工智慧通常是最佳組合）

遞迴！ 我通過登錄給了 ChatGPT Agent 訪問我的 ChatGPT，然後...