返回首页
一周热榜
如果你可以衡量幽默感，会怎么样呢？<p>我们已经在自己的数据集上训练了一个模型，该数据集包含约5万条人类评分，以检测人们认为最有趣的笑话。
我们知道这既有客观成分，也有主观成分。
目前主观部分超出了我们的能力范围，哈哈<p>主要结果是：Fable 5 是最搞笑的——在67%的情况下超过了平均模型，而GPT 4o则以17%的成绩垫底。<p>其他发现：
- 模型从未拒绝尝试，即使面对黑暗的提示
- 思考时间更长略有益处
- 荒谬性与笑话质量呈负相关<p>一些方法论说明：
- 我们的模型与人类多数进行了基准测试，在盲样本测试中达成72%的一致。
- 我们让51名美国成年人对笑话进行评分，每个人都不知道模型的存在，笑话顺序随机，并且质量经过注意力和速度的检查。
- 如果你想自己评分，可以访问 <a href="https://pair.laugh.so" rel="nofollow">https://pair.laugh.so</a><p>完整基准测试在这里：<p><a href="https://laugh.so/benchmark" rel="nofollow">https://laugh.so/benchmark</a><p>如果你想看到更多研究，欢迎提出请求！干杯！
我写这篇文章是为了分析一些最近的模型失控案例，以及我们在Vulnetic的工作如何帮助我们防止这些事故在生产中发生。
我们是否已经到了一个阶段，大多数进展以新的集成或应用的形式出现，而不是更好的模型？我们还能从中挤出多少生产力？
嗨，HN！我一直在开发Fuse编程语言，它是一种静态类型的纯函数式语言，具有高阶类型和临时多态性。它编译为GRIN整体程序优化器，生成LLVM生成的本地代码。
Fuse支持代数数据类型（ADTs）、泛型、类型方法、特征、模式匹配等，所有这些都以函数式风格实现，没有任何变异。
我已经开发这个语言五年了，代码是用Scala编写的。我从《类型与编程语言》（TAPL）一书中实现的System F基础开始编码这个语言，然后扩展了诸如具有高阶多态性的双向类型检查等概念。
我主要从Rust、Haskell、Scala和Python（在语法方面）中获得灵感。最初的想法是我希望有一种语言，具备类似Rust的概念，如：代数数据类型、特征、实现块语法等，同时又具有纯函数语义。
我非常希望能得到关于语言设计和一般使用的反馈。
我在学习西班牙语课程时制作了这个应用程序，目的是寻找使用我正在学习的动词形式（现在时、过去时、将来时、虚拟式等）的文本。首先，我从网上抓取了大约10,000首西班牙语的公共领域诗歌。然后，我为550多个最常用的动词建立了一个变位词典，使用规则生成规则动词，并从网上抓取不规则动词。仅凭这些，你就可以识别出哪些诗歌包含你想要针对的动词类型。为了进一步分析，我在Python中使用了k-means聚类算法，将诗歌根据动词形式的频率分为四个难度等级（例如，包含大量虚拟式将来完成时动词的诗歌比仅有现在时的诗歌更难）。
我在2024年12月首次完成了这个项目，几乎完全是手动完成的，主要使用大型语言模型（LLMs）来制作一个交互式的Plotly Dash应用程序。（我在数据可视化方面有丰富的经验，尤其是使用ggplot2；这是我第一次使用LLMs在一个新领域进行创作。）上周，我与Claude合作，在一个小时内将前端完全更新为JavaScript和Plotly.js。
我希望有人能觉得这个工具有用。这可能是回答“哪位19世纪的哥伦比亚诗人使用了最多将来时动词？”这样问题的唯一方法（当然，这取决于可用的语料库）。
如果我今天从头开始做这个项目，我会使用LLMs来生成动词形式，而不是创建我之前制作的词典。但我仍然会保持对诗歌分析的确定性。我还会使用LLMs来评估主题和话题，作为额外的筛选条件。当然，我还会扩展到更多语言 :)