clockwise9

@akira 对于自己不会而 AI 可以完成的工作，可以像对待下属或者实习生一样对待，确定合理的验收方式，比如在测试环境里运行测例。

根据 https://m.mediawiki.org/wiki/Web_scraping_access ，url 加参数 action=raw 就可以获得 wikitext 内容

@8zip 花旗银行是什么梗？

@Dganzh 是的

@MelodyZhao 大致可以（虽然很死板）： https://sm.ms/image/hF58zDaCHZYOtG7 ，如果找到更好的提示词可能会更加生动一些。

@secsilm NLP 从业者+1 ，对 GPT 系怀疑+1 。可能我身在工业界，思路只局限在工程应用，对其他方面（比如公众对 AI 的认知）不作评价。

在工业应用里，建模往往受需求的驱动，有比较明确的任务、数据分布、预期指标和成本约束（时间、算力、标注成本），LLM 在这种条件下并不是很好用，或者我们还没找到好的用法。在头部（预算很高）的应用里，专门建模会比直接用大模型的确定性和性能更好，在腰部应用里，大模型太贵了不划算，在尾部应用里，或许有意想不到的机会。

@dcsite 我觉得有些脑筋急转弯挺有趣的，用创造性的假设来让一个看似矛盾的表述变得合理，有些涉及到的常识是来自生活体验而不是文本，比如可以把橙子榨橙汁之后再平分。当然，谐音梗不在此列。重要的是，ChatGPT 似乎并不能意识到回答自相矛盾，所以我依然认为这个模型只是在尝试排列组合见过的文本内容，既不懂逻辑，也没有掌握 world knowledge 。

@llinge 那个人就是我自己啊