Google Bard 反超 ChatGPT 了吗?一场5项实测给行业泼了盆冷水
I/O 大会之后,关于“Bard 已经全面超越 ChatGPT”的说法在推特疯传。但一位资深 AI 博主用 5 个真实场景把两者拉到同一擂台,结果却和大多数人的直觉完全相反:Bard 的优势很真实,但 ChatGPT 依然守住了核心阵地。
I/O 大会之后,关于“Bard 已经全面超越 ChatGPT”的说法在推特疯传。但一位资深 AI 博主用 5 个真实场景把两者拉到同一擂台,结果却和大多数人的直觉完全相反:Bard 的优势很真实,但 ChatGPT 依然守住了核心阵地。
当全网还在教你如何写出“完美提示词”时,OpenAI 和微软内部已经给出了一个反直觉判断:提示工程,可能根本不是一条长期职业路径。这期视频把行业里最不愿意明说的真相摊在了桌面上。
一个几个月前还不会写代码的人,用ChatGPT、开源工具和YouTube数据,在3到4个月内做出了能疯传的名人聊天机器人。这不是鸡汤,而是一条正在被反复验证的AI学习与创作路径。
在这期 No Priors 播客中,Google Brain 研究科学家 Kelvin Guu 回顾了自己从数学、统计走向自然语言处理的路径,并系统讲述了他在检索增强生成(RAG)、模块化模型和指令跟随方面的核心思考。这是一场关于“如何让模型更像工具而非黑箱”的深度对话。
Midjourney 5.1 并没有带来“颠覆式升级”,却让一大批老用户直呼更好用了:更短的提示词、更锐利的画面、更懂上下文的审核系统。这次更新真正值得聊的,是它正在悄悄改变人和 AI 作画的分工方式。
过去一年,AI 画图最大的笑话不是手画不好,而是字写不对。现在,这个“行业通病”第一次被正面击穿。Stability AI 体系下的开源模型 DeepFloyd IF,开始在图片里稳定生成可读文字——这件事的意义,远不只是“能写对单词”这么简单。
Stanford教授Percy Liang回顾了自己20多年NLP研究生涯,讲述GPT-3如何彻底改变他对机器学习范式的理解,并促使他创立基础模型研究中心与Together AI。本文提炼他对大语言模型、研究范式转变与算力瓶颈的独特洞见。
三周前,AutoGPT 和 BabyAGI 被吹成“改变一切的 AI 助手”;三周后,最早冲上去试用的人开始集体泼冷水:它们很酷,但几乎没法用。这不是技术失败,而是一次关于“AI Agent 应该做什么”的认知纠偏。
当大家还沉浸在“AI会画画”的震撼中,一个更危险的能力正在浮出水面:AI开始真正“看懂”图片,并且能和你聊它。MiniGPT-4,这个刚亮相的开源研究项目,用一组演示把多模态AI从概念,直接拉进了可实操阶段。
Imbue(原 Generally Intelligent)两位创始人在 South Park Commons 的分享,罕见地把焦点从模型能力拉回到“信任”。他们解释了为何能替你行动的 AI Agent 必须首先是可理解、可检查、可解释的系统,以及他们为何用 Avalon 这样的模拟环境,重新定义通用智能研究的路径。