相信大家都见过鞭策哈雷佬的这张图吧……

非常有趣对不对……做出这张图的一定是个天才！
为了能像这样热血沸腾地鞭策群友，我做了一个小网站，只需要导入头像并输入文字，就可以一键生成表情包了！
一键直达 
  

      kuaizuoa.alitenna.com
  

  
    

快做啊! - 表情包生成器



  

  
    
    
  

  



我提供了三种导出格式，最常见的gif，比较轻量的webp和tg动图表情包专用的webm
tgbot是这个：@Stickers
导入webm格式的动图就可以很便捷地做出表情包

我已经批量生产出了一打了，效果很不错！群友见了都说好，喜欢得不得了！


[!danger]快去试试吧！！！

arXiv.org
  

  
    

LLMs Get Lost In Multi-Turn Conversation

  Large Language Models (LLMs) are conversational interfaces. As such, LLMs have the potential to assist their users not only when they can fully specify the task at hand, but also to help them define, explore, and refine what they need through...


  

  
    
    
  

  



[!summary]+
大型语言模型（LLM）是一种对话式界面。因此，LLM 不仅能够在用户能够完整描述当前任务时提供帮助，还能通过多轮对话交流，帮助用户定义、探索和完善自身需求。尽管对 LLM 对话日志的分析证实，用户指令中经常出现描述不足的情况，但 LLM 的评估主要集中在单轮、指令完全明确的场景下。本文通过大规模仿真实验，比较了 LLM 在单轮和多轮场景下的性能。实验结果表明，我们测试的所有顶级开放权重和封闭权重 LLM 在多轮对话中的性能均显著低于单轮对话，在六项生成任务中平均下降了 39%。对超过 20 万次模拟对话的分析表明，性能下降可分解为两个部分：适配性的轻微损失和可靠性的显著降低。我们发现，LLM（语言学习者）在对话初期常常做出假设，并过早地试图得出最终解决方案，而他们又过度依赖这些解决方案。简而言之，我们发现，当 LLM 在对话中走错方向时，他们就会迷失方向，并且无法挽回。


  
      

      The Decoder – 28 Feb 26
  

  
    

Even frontier LLMs from GPT-5 onward lose up to 33% accuracy when you chat...

  Even w