在大型语言模型（LLM）中，幻觉通常指模型生成不忠实、捏造、不一致或无意义的内容。幻觉主要分为两种类型： 1. 上下文内幻觉：模型输出应与上下文中的源内容一致。 2. 外部幻觉：模型输出应基于预训练数据集，与预训练数据中的知识相符。由于预训练数据集规模庞大，每次生成都去检索和识别冲突成本太高。若将预训练数据语料库视为世界知识的代表，应努力确保模型输出是事实的，且在不知答案时明确表示。 为避免幻觉，LLM 需做到： 1. 输出符合事实的内容。 2. 适用时承认不知道答案。 在 LLM 驱动的自主 Agents 中，启发式函数可决定轨迹是否低效或包含幻觉。低效规划指花费过长时间未成功的轨迹，幻觉指遇到一系列连续相同动作导致环境中出现相同观察。自我反思可通过向 LLM 展示示例创建，并添加到 Agents 的工作记忆中。在 AlfWorld 中，幻觉比低效规划更常见。 对于处理 ChatGPT 的“幻觉”，有以下经验： 1. 明确告诉它想要准确答案，无幻觉。 2. 改变 temperature 参数（如改到 0）或控制创造力水平。 3. 得到答案后，要求它为每个引用产生精确的引用和页面，以便交叉检查。

AI 在教育领域的应用十分广泛，主要包括以下几个方面： 1. 个性化学习平台：通过集成算法和大数据分析，实时跟踪学生学习进度，诊断学习难点，提供个性化学习建议和资源。例如 Knewton 平台，通过对数百万学生行为模式分析，精准预测学习难点并提前给出解决方案，大幅提升学习效率。 2. 自动评估：利用自然语言处理技术（NLP）自动批改学生作文和开放性答案题。如 Pearson 的 Intelligent Essay Assessor，能够分析和理解写作内容，给出准确评分和反馈，减轻教师批改负担，提高评估效率和一致性。 3. 智能辅助教学工具：使课堂教学更丰富和互动，如 AI 教师引导学生通过对话学习、解答疑问并提供即时反馈。Google 的 AI 教育工具 AutoML 用于创建定制学习内容，提高学习动机，加深知识掌握。 4. 虚拟现实（VR）和增强现实（AR）：学生可通过 VR 头盔进入虚拟实验室，安全进行实验操作并得到 AI 系统反馈。例如 Labster 的虚拟实验室平台，提供高科技实验室场景，让学生尝试复杂实验流程，无需昂贵设备或专业环境。 然而，AI 技术在教育领域的广泛应用也对传统教育体系带来冲击，教育体系内部的惯性、教师技能更新、课程内容调整、评估和认证机制改革等问题成为 AI 教育创新面临的重要挑战。

以下是首尾帧的一些使用场景： 1. 在即梦 AI 视频生成的【图生视频】面板内，勾选【使用尾帧】可开启「首尾帧」功能。此功能基于用户输入的「首帧图片」、「尾帧图片」以及 prompt（强烈建议填写），生成完整的过渡效果。 2. 「首尾帧」能通过用户输入的「首帧」和「尾帧」图片，更好地保持主体的一致性。「首帧」是视频的第一帧，即开头的图片；「尾帧」是视频的最后一帧，即结尾的图片。 3. 输入 prompt 会极大程度增加过渡效果自然成功率，不输入 prompt 有一定概率会给到叠化过渡效果。 4. 运动速度可以根据图片差异进行调整，如景别或内容差异较大，可选择【适中】速度进行生成。 5. 选择的生成时长可以根据图片差异进行调整，如景别或内容差异较大，可选择更高时长进行生成。例如，可根据首尾帧的过渡时长预期，选择 3s 12s 的时长。 6. 线稿上色的动态视频可以使用即梦视频 1.2 模型的首尾帧功能，能让图片不乱动。 7. 把两段素材（如一个动作到另一个动作的素材）拼接起来时，也可能用到首尾帧。

大模型评分通常会根据不同的赛事或评估体系有所差异。 在金融行业的大模型挑战赛中，评测任务形式为给定一组参考文档和问题，要求模型按指定格式生成答案。赛事主办方会根据选手提供的回答与参考答案对比，并根据关键字段命中情况进行评分。评分公式涉及关键词命中总次数、关键词总数、小题数和得分等参数。例如在示例问题中，根据每个小题的回答正确情况计算得分，完全正确得满分 1 分，部分正确则根据命中比例计算得分。 在其他的大模型评估方面： FlagEval（天秤）大模型评测体系及开放平台，旨在建立科学、公正、开放的评测基准、方法、工具集，创新构建了“能力任务指标”三维评测框架，细粒度刻画基础模型的认知能力边界，可视化呈现评测结果。地址：https://github.com/FlagOpen/FlagEval 。 CEval 构造了一个覆盖多个学科的中文知识和推理型测试集，并给出了当前主流中文 LLM 的评测结果。地址：https://github.com/SJTULIT/ceval 。 SuperCLUElyb 是中文通用大模型匿名对战评价基准，以众包方式提供匿名、随机的对战，并发布了初步结果和基于 Elo 评级系统的排行榜。地址：https://github.com/CLUEbenchmark/SuperCLUElyb 。 斯坦福发布的大模型排行榜 AlpacaEval 支持两种模式的模型评估方式：alpaca_eval 和 alpaca_eval evaluate_from_model 。评测过程分为选择评估集并计算输出、计算 golden 输出、通过指定的自动标注器计算胜率等步骤。相对于人工标注，全自动化的 AlpacaEval 具有较低的经济成本和时间成本。

以下是一些好用的 AI 工具： AI 新闻写作工具： Copy.ai：功能强大，提供丰富的新闻写作模板和功能，可快速生成新闻标题、摘要、正文等内容，节省写作时间并提高效率。 Writesonic：专注于写作，提供新闻稿件生成、标题生成、摘要提取等功能，智能算法能根据用户信息生成高质量新闻内容，适合新闻写作和编辑人员。 Jasper AI：主打博客和营销文案，也可用于生成新闻类内容，写作质量较高，支持多种语言。 AI 健身工具： Keep：中国最大的健身平台，为用户提供全面的健身解决方案，以帮助用户实现其健身目标。 Fiture：沸彻魔镜由核心 AI 技术打造，集硬件、丰富课程内容、明星教练和社区于一体。 Fitness AI：利用人工智能进行锻炼，增强力量和速度。 Planfit：健身房家庭训练与 AI 健身计划，AI 教练是专门针对健身的生成式人工智能，使用 800 多万条文本数据和 ChatGPT 实时提供指导。 帮助建筑设计师审核规划平面图的 AI 工具： HDAidMaster：云端工具，在建筑设计、室内设计和景观设计三个领域表现出色，搭载自主训练的建筑大模型 ArchiMaster。 Maket.ai：面向住宅行业，在户型设计和室内软装设计方面有 AI 技术探索，能根据输入需求自动生成户型图。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，提供全新设计模式，可引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，能自动导入设计图、划分区域、识别构件、审查强条并导出结果，实现建筑全寿命周期内信息的集成与管理。 需要注意的是，每个工具都有其特定的应用场景和功能，建议您根据自己的具体需求来选择合适的工具。且以上内容由 AI 大模型生成，请仔细甄别。

以下是一些可以帮助您提取视频里文字内容的 AI 工具和方法： 1. 对于 B 站视频，如果视频有字幕，您可以安装油猴脚本。安装之后，刷新浏览器，点击字幕，会出现“下载”按钮，您可以选择多种字幕格式，然后将下载的字文字内容全选复制发送给 GPTs 进行总结。 2. 如果您想用 AI 把小说做成视频，大致流程如下： 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。

以下是为您提供的 AI 入门的相关指导： 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能是什么，其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。同时，浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 开始 AI 学习之旅： 在「」中，您能找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。您还可以通过在线教育平台（如 Coursera、edX、Udacity）上的课程按照自己的节奏学习，并有可能获得证书。 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等。您可以根据自己的兴趣选择特定的模块进行深入学习，同时一定要掌握提示词的技巧，它上手容易且很有用。 实践和尝试： 理论学习之后，实践是巩固知识的关键。尝试使用各种产品做出您的作品，在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 体验 AI 产品： 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 另外，您还可以参考《雪梅 May 的 AI 学习日记》中分享的经验，比如通过每天向 kimi 们提问 100 个问题来入门。对于不会代码的朋友，还有“写给不会代码的你：20 分钟上手 Python+AI”的指导，能让您在 20 分钟内循序渐进地完成一个简单程序、一个爬虫应用（抓取公众号文章）、一个 AI 应用（为公众号文章生成概述）。 公众号文章：

以下是一些与 tldraw 类似的产品： 1. Drawfast：结合 fal.ai 的 API 实现实时出图，用户绘制草稿即可生成 UI 并复制相关 html/css 代码。体验地址：https://drawfast.tldraw.com/ 。 2. tldraw computer：类似 coze 的节点式无限画布工具，无需代码，只用自然语言与节点模块搭建即可创建各类工作流，如“故事生成器”“图像融合工具”等。地址：https://computer.tldraw.com/home 。 3. Eapy：将自由画布形式与 AI Music 结合，能把用户上传的图片、音频、视频、文本等素材生成为音乐片段，支持 MIDI 和 WAV 文件，已支持多人协作。 4. ResearchFlow：把自由画布与学术研究结合，可基于用户输入的主题进行 AI 学术搜索、生成文本介绍并附上参考文献，右侧生成完整思维导图，用户能与每个内容节点深度交互，最终可导出成 PDF 等格式文档。

要让 GPT 写出可靠的代码，可以参考以下方法： 1. 当需要进行复杂计算时，不要完全依赖 GPT 模型自身，而是指导模型编写并运行代码。 2. 特别地，指示模型将要运行的代码放入指定格式，例如使用三个反引号（backticks）。 3. 对于程序开发人员，可利用 GPT 生成代码，例如在求 1000 以内的所有质数时，先让 GPT 编写代码，然后开启新对话输入代码，再让模型充当代码执行器运行代码。 4. 编写代码时，GPT4 写复杂代码的能力更强。 5. 代码执行的另一个好用例是调用外部 API，可通过向模型提供说明如何使用 API 的文档和/或代码示例来指导模型。 6. 但需注意，执行模型生成的代码本身并不安全，任何试图执行此操作的应用程序都应采取预防措施，特别是需要一个沙盒代码执行环境来限制不受信任的代码可能造成的危害。

AI 智能体对个人工作能力培养有以下启示： 1. 工作方法方面： 彻底让自己变成一个“懒人”。 能动嘴的不要动手，用嘴说出想做的事远比打字快。 能动手的尽量用 AI，用 AI 远比苦哈哈手敲快。 把手上的工作单元切割开，建设属于自己的智能体。 根据结果反馈不断调整自己的智能体。 定期审视自己的工作流程，看哪个部分可以更多地用上 AI。 2. 个人素质方面： 技术层面之外，个人能力的提升是核心，尤其是学习能力和创造能力。 学习能力是通过持续阅读和实践来吸收、消化和积累知识的能力，是构建个人知识体系的基础和个人成长的动力源泉。 为保持竞争力，要培养并维持旺盛的好奇心和持续学习的习惯，广泛阅读，深入研究新领域，不断探索前沿知识，全方位、多角度学习和实践，以积累知识、提高适应能力和创新思维。 3. 技术应用方面： 迅速掌握生成式人工智能的基本概念和潜在影响，重点理解其如何革新工作方式和重塑行业格局。 深入了解市场上现有的人工智能产品和工具，并积极应用到实际工作中。 学习提示词技术，编写清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体，让其革新工作方式，多个虚拟伙伴和助手协同工作，提高工作效率和创新能力。 需要注意的是，AI 技术的出现能把大部分人的能力提升到及格线以上，人与人之间最大的差距在于认知差距。对创建 AI 智能体感兴趣的小伙伴，可前往 WaytoAGI 开源免费社区了解（里面有保姆级教程）。