llms | 晨昏线

Qwen 3.8 27B很出色，但默认会过度思考

Qwen 3.8 27B 是一个强大的语言模型，但存在过度思考的问题。本文探讨了其优点和如何避免过度思考。

2026-08-17 AI & Machine Learning 0 Administrator

本文探讨了从神经网络到大型语言模型（LLMs）的发展，强调了理解这些技术之间联系的重要性，并提供了思维模型以揭示LLMs的内部运作机制。

2026-08-16 AI & Machine Learning 0 Administrator

当大型语言模型仅接触五年级水平的材料时，其能力和局限性会受到显著影响，表现为语言简洁、常识有限但响应一致，实验引发对数据多样性和伦理影响的思考。

2026-08-16 AI & Machine Learning 0 Administrator

$LLMs在哪些数学方面擅长？$

大型语言模型（LLMs）在数学方面擅长执行基本算术运算和符号推理，但缺乏真正的理解或直觉，且在处理新颖或复杂的数学问题时易出错。

2026-08-12 AI & Machine Learning 0 Administrator

本文介绍了如何利用大型语言模型（LLMs）来学习复杂主题，包括明确学习目标、收集高质量资源、分解复杂概念、创建交互式学习辅助工具以及寻求反馈等步骤。

2026-08-10 AI & Machine Learning 0 Administrator

随着大型语言模型的发展，寻找完美提示的方法已过时。现代方法强调清晰、效率和可靠性，通过构建无歧义的提示来充分利用LLMs的功能。

2026-08-09 AI & Machine Learning 0 Administrator

大型语言模型（LLMs）无法提供置信度分数，因为它们缺乏评估自身输出的内置机制，且解释分数存在挑战。用户应通过事实核查、一致性检查和使用多个模型等方法评估LLMs的输出质量。

2026-07-28 AI & Machine Learning 0 Administrator

随着大型语言模型（LLMs）的兴起，自由和开源软件（FLOSS）的完整性和可持续性面临挑战，需要采取措施保护这些开源资源免受LLMs的影响。

2026-07-23 AI & Machine Learning 0 Administrator