最新

我们评估了OpenAI的GPT-5在横向推理能力方面与其他模型的表现，采用了一种基于英国著名且极具挑战性的游戏节目《Only Connect》的方法，该节目考验参赛者的模式匹配和知识问答能力。 洞见： - GPT-5表现非常出色，但仅比o3略好。 - 模型的冗长程度对准确性和聪明才智几乎没有影响，唯一有趣的是在序列回合中。 - 然而，“最小”冗长会导致准确性急剧下降。 我们将在接下来的几天内发布更多来自我们扩展测试的结果。我们正在研究不同类型的评估（模型在序列中处理单个项目与处理2、3、4个项目的表现如何）。我们还希望观察模型在3人团队中的表现，以复制游戏节目的格式。 我们未能找到《Only Connect》游戏在训练材料中的证据（当然，这种情况可能会有所改变）。最后，我们正在考虑用《纽约时报》的《Connections》来复制连接墙的结果，但我们怀疑这些内容可能已包含在训练材料中，这将影响结果。

大家好， 我制作了一个开源库，用于在Zig编程语言中使用契约设计（DbC）原则。 这个库叫做Zig-DbC，目前提供以下功能： - 一个简单的API，用于定义前置条件、后置条件和不变式。 - 在`Debug`、`ReleaseSafe`和`ReleaseSmall`模式下，契约是激活的，以便尽早捕捉错误。 - 在`ReleaseFast`模式下，所有检查在编译时被移除，确保零性能损耗。 - 一个可选模式，用于处理返回错误的函数中的部分状态变化。 - 透明的错误处理机制，将错误从您的代码传播到调用者。 项目的GitHub仓库：[https://github.com/habedi/zig-dbc](https://github.com/habedi/zig-dbc)

我正在建立一个由HN社区手动策划的游戏目录。 在浏览HN时，我发现了几款小而精彩的游戏，否则很难找到这些游戏。因此，我开始了一项个人任务，将这些游戏收集到一个公开的目录中，并提供开源代码和开放数据（所有内容都可以在GitHub上找到： [https://github.com/labarilem/hn-games](https://github.com/labarilem/hn-games)）。 目前，该目录的数据更新至2022年底。我的计划当然是收集所有数据直到今天，并持续更新这个目录。 我发布了这个早期版本的目录，希望能收集一些见解和反馈，特别是关于用户界面/用户体验（UI/UX），这些部分主要是通过大型语言模型（LLM）编写的，以加快进度（我在这些领域并不是专家）。 您可以通过以下地址浏览该目录： - [https://hackernews.games/](https://hackernews.games/) - [https://hn-games.marcolabarile.me/](https://hn-games.marcolabarile.me/) 请告诉我您对这个项目的看法！

大家好！我之所以开发这个工具，是因为我厌倦了手动处理我的网络应用的客户支持，而且无法找到一个可靠的人工智能系统来处理请求。 我尝试了不同的人工智能工具来帮助处理支持票，但当它们错误地处理请求时，根本无法确定原因，更难以找出我需要做什么来改进系统。 我想逐步拆解人工智能在思考问题时的逻辑，但所有内容都必须压缩到一个提示中。由于缺乏足够的干净训练数据进行微调，我只能进行提示工程的猜测。 Chainix 的功能是：你可以将步骤拖放到一个可视化的流程图中。每个步骤都有自己的推理指令，并根据输出结果分支到不同的下一步。人工智能还可以在流程中暂停，以调用你的函数或检查变量，然后继续。这使你能够直观地绘制出人工智能如何思考问题的过程（就像流程图一样）。 我在设计时考虑了灵活性——你可以创建简单的两步工作流程，也可以构建具有多个分支和条件的复杂自定义逻辑。 关键是：当出现问题时，你可以清楚地看到哪个步骤失败了。与其说是一个大的黑箱，不如说是一系列较小的、可调试的部分。我的支持流程可能会对票据进行分类，查找账户信息，检查已知问题，然后撰写回复。当人工智能做错了什么时，我可以看到“哦，这一步错误地分类了票据”，然后只需修复那个推理步骤（或添加一个新的）。 现在，它可靠地处理了我约 60% 的支持请求（并正确地忽略了其余部分），所以我对此非常满意！最大的收获是我可以实际看到人工智能如何逐步推理，因此修复问题变得简单明了，而不是猜测。 这适用于任何涉及文本解释和行动的工作流程——内容审核、文档处理、潜在客户资格审核等。 你可以在 [https://www.chainix.ai](https://www.chainix.ai) 尝试一下——我很想知道其他人是否也遇到过与人工智能工具相同的问题！也想了解其他人可能希望用这种方法构建的工作流程。