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.*