- 主题:deepseek最近年前更新后，总是出现常识性错误
都是常识性的错误，需要专业一点的知识判断，然后追问，才会更正错误。特别麻烦，或者说特别可恶。
我遇到的例子如下：
1：中文里的脑膜瘤和日语里的髓膜瘤是不是一个意思：它首先回答：完全不同。但是下面的详细解释说二者是一个意思。就这种你都不能说是常识错误，简直就是白痴。
2：问成田机场T3，吉野家在几楼？回答:地下1层，美食广场，同时建议到机场看路牌，问工作人员。地下1层没找到，追问，它说在1楼。很明显1楼没有，再追问，他还说在1楼，告诉它1楼没有，它就又改口了，说在2楼。完全就是瞎编。我问它为什么会出错，他说机场T2T3都有，它弄混了。但是我都提前告诉它T3了。然后它又说什么吉野家经常在美食广场，美食广场经常在地下1楼，这种关联性导致了它的回答。
不止一次了，问它为什么会错，它回答：它的搜索结果来自训练集，但是训练集里如果一个结果和问题相关性很大，它就认为这个结果就是问题的答案。
3：询问腾楼A034镜头参数，很简单对吧？它好不犹豫告诉你这是个70-200 2.8的镜头。无论反复询问多少次，都是这个结果，甚至你告诉它错了，它也不改。最后你告诉它这是个70-210，f4的镜头，它才会修改答案。我问他为什么，它说70-200 2.8更知名，网上讨论更多，70-210 f4比较小众，有时候被网友误认为是a034，当a034和70-200 2.8这两个数字同时出现的频率高的时候，模型会在二者之间建立很强的相关，从而得出最可能的答案。一旦相关被建立了，没有新的训练集的情况下，它无论怎么查询，都不会更改这个顽固的错误。
总体感觉就是，不能全部相信它，需要自己有一点知识做判断。
但是，这ai就没什么用了啊。
--
FROM 112.102.36.*
不懂ai，话说训练数据都是经过人工审核保证正确的么？如果是网上来的，那以后会不会出现ai乱编数据发网上，再从网上拿错误数据训练？
【 在 sengseng 的大作中提到: 】
: 都是常识性的错误，需要专业一点的知识判断，然后追问，才会更正错误。特别麻烦，或者说特别可恶。
: 我遇到的例子如下：
: 1：中文里的脑膜瘤和日语里的髓膜瘤是不是一个意思：它首先回答：完全不同。但是下面的详细解释说二者是一个意思。就这种你都不能说是常识错误，简直就是白痴。
: 2：问成田机场T3，吉野家在几楼？回答:地下1层，美食广场，同时建议到机场看路牌，问工作人员。地下1层没找到，追问，它说在1楼。很明显1楼没有，再追问，他还说在1楼，告诉它1楼没有，它就又改口了，说在2楼。完全就是瞎编。我问它为什么会出错，他说机场T2T3都有，它弄混了。但是我都提前告诉它T3了。然后它又说什么吉野家经常在美食广场，美食广场经常在地下1楼，这种关联性导致了它的回答。
: 不止一次了，问它为什么会错，它回答：它的搜索结果来自训练集，但是训练集里如果一个结果和问题相关性很大，它就认为这个结果就是问题的答案。
: 3：询问腾楼A034镜头参数，很简单对吧？它好不犹豫告诉你这是个70-200 2.8的镜头。无论反复询问多少次，都是这个结果，甚至你告诉它错了，它也不改。最后你告诉它这是个70-210，f4的镜头，它才会修改答案。我问他为什么，它说70-200 2.8更知名，网上讨论更多，70-210 f4比较小众，有时候被网友误认为是a034，当a034和70-200 2.8这两个数字同时出现的频率高的时候，模型会在二者之间建立很强的相关，从而得出最可能的答案。一旦相关被建立了，没有新的训练集的情况下，它无论怎么查询，都不会更改这个顽固的错误。
--发自 ismth(丝滑版)
--
FROM 114.249.61.*
肯定不保证正确，都错了这么多了。这几个错误，给我的感觉就是：ai不是在帮我们找正确答案，它不是智能的。它是个快速的、有总结能力的计算机。但是，不知为不知这一点，它做的非常不好，不知道它也会给出一个它认为相关联的结果。
【 在 frankyang926 的大作中提到: 】
: 不懂ai，话说训练数据都是经过人工审核保证正确的么？如果是网上来的，那以后会不会出现ai乱编数据发网上，再从网上拿错误数据训练？
:
: 【 在 sengseng 的大作中提到: 】
: : 都是常识性的错误，需要专业一点的知识判断，然后追问，才会更正错误。特别麻烦，或者说特别可恶。
: : 我遇到的例子如下：
: : 1：中文里的脑膜瘤和日语里的髓膜瘤是不是一个意思：它首先回答：完全不同。但是下面的详细解释说二者是一个意思。就这种你都不能说是常识错误，简直就是白痴。
--发自 ismth(丝滑版)
--
FROM 112.102.36.*
我一直觉得现在的ai只是在理解问题上有了很大进步，对于问题的解答更像是把网页搜索的众多结果页聚合整合为一条
【 在 sengseng 的大作中提到: 】
: 肯定不保证正确，都错了这么多了。这几个错误，给我的感觉就是：ai不是在帮我们找正确答案，它不是智能的。它是个快速的、有总结能力的计算机。但是，不知为不知这一点，它做的非常不好，不知道它也会给出一个它认为相关联的结果。
:
: 【 在 frankyang926 的大作中提到: 】
: : 不懂ai，话说训练数据都是经过人工审核保证正确的么？如果是网上来的，那以后会不会出现ai乱编数据发网上，再从网上拿错误数据训练？
: :
: : 【 在 sengseng 的大作中提到: 】
--发自 ismth(丝滑版)
--
FROM 114.249.61.*
是有很多错误。作为一个辅助工具谨慎使用。
【 在 sengseng 的大作中提到: 】
: 都是常识性的错误，需要专业一点的知识判断，然后追问，才会更正错误。特别麻烦，或者说特别可恶。
: 我遇到的例子如下：
: 1：中文里的脑膜瘤和日语里的髓膜瘤是不是一个意思：它首先回答：完全不同。但是下面的详细解释说二者是一个意思。就这种你都不能说是常识错误，简直就是白痴。
: 2：问成田
: ..................
发自「今日水木 on iPhone 14 Pro」
--
FROM 221.217.25.*
技术领域的正确答案，来自大众还是专家？
在专家不教育大模型时，大模型有先天而来的正确答案么？
你想清楚，就理解了。
【 在 sengseng 的大作中提到: 】
: 肯定不保证正确，都错了这么多了。这几个错误，给我的感觉就是：ai不是在帮我们找正确答案，它不是智能的。它是个快速的、有总结能力的计算机。但是，不知为不知这一点，它做的非常不好，不知道它也会给出一个它认为相关联的结果。
: --发自 ismth(丝滑版)
--
FROM 219.142.85.*
感觉很对，ai做到这一步就相当不错了，也可以使用了
【 在 frankyang926 的大作中提到: 】
: 我一直觉得现在的ai只是在理解问题上有了很大进步，对于问题的解答更像是把网页搜索的众多结果页聚合整合为一条
:
: 【 在 sengseng 的大作中提到: 】
: : 肯定不保证正确，都错了这么多了。这几个错误，给我的感觉就是：ai不是在帮我们找正确答案，它不是智能的。它是个快速的、有总结能力的计算机。但是，不知为不知这一点，它做的非常不好，不知道它也会给出一个它认为相关联的结果。
: :
: : 【 在 frankyang926 的大作中提到: 】
--发自 ismth(丝滑版)
--
FROM 111.199.191.*
大模型的强项不在这里，另外ds现在是最差的模型了吧
【 在 sengseng (sengseng) 的大作中提到: 】
: 都是常识性的错误，需要专业一点的知识判断，然后追问，才会更正错误。特别麻烦，或者说特别可恶。
: 我遇到的例子如下：
: 1：中文里的脑膜瘤和日语里的髓膜瘤是不是一个意思：它首先回答：完全不同。但是下面的详细解释说二者是一个意思。就这种你都不能说是常识错误，简直就是白痴。
: 2：问成田机场T3，吉野家在几楼？回答:地下1层，美食广场，同时建议到机场看路牌，问工作人员。地下1层没找到，追问，它说在1楼。很明显1楼没有，再追问，他还说在1楼，告诉它1楼没有，它就又改口了，说在2楼。完全就是瞎编。我问它为什么会出错，他说机场T2T3都有，它弄混了。但是我都提前告诉它T3了。然后它又说什么吉野家经常在美食广场，美食广场经常在地下1楼，这种关联性导致了它的回答。
--
FROM 117.133.82.*
和你用的大模型的具体参数规模有关
我试了一下gemini，答案都正确啊
--
FROM 31.126.7.*
今天又查了一个问题，hankeH80002行李箱。它回答：这款很畅销，它是铝框箱......
我继续问确定是铝框吗？它回答，它要纠正它的误导。这是斜纹拉链箱，不是铝框箱.....
我问你为什么会错？它回答：它的学习数据里，hanke这个品牌，大量的语料和测评都是铝框箱，特别是像H80002这种很像产品型号的代码，潜意识里把它和经典铝框箱关联起来了，就好像提到某coke，默认就觉得是可乐一样。它还说：它过度依赖关联而不是验证，以后遇到类似问题，它会更谨慎区分品牌共性和型号特性。
出错都是那么有理有据。我个人感觉和参数规模没关系，就是算法真的有问题。它认关联性的，但是大家都知道，其实关联性是非常容易出错的。也不知道他们是怎么想的。
【 在 zdh 的大作中提到: 】
: 和你用的大模型的具体参数规模有关
: 我试了一下gemini，答案都正确啊
--
FROM 112.102.36.*