我的本地语言模型拿了6/6分，但每题都答错了

一篇技术反思文章披露，作者花费六个月时间试图让一个1.2B参数的小型本地模型变得有用，却发现自己构建的评估系统存在致命缺陷。该模型在自建基准测试中六道题全部“通过”，但实际答案全是错的——评分器只检查输出是否为裸整数格式，从未验证答案的正确性。作者最初认为通过设计更好的推理框架能让小模型胜任多数任务，但模型在“12人中选择5人委员会”等问题上连续给出错误答案，却因格式正确而得分。随后作者改用更严格的MMLU-Pro基准测试，但优化过程进展缓慢且不稳定。文章指出，没有经过验证的测量工具，所有改进都是空中楼阁，警示AI评估不能只重形式而忽略内容。 #LLM #本地模型 #AI评估 #基准测试 #MMLUPro #人工智能 #技术反思 #模型测量

Dinjure：一个HTML文件实现“公牛与奶牛”猜数字游戏，带AI对手

Dinjure是一款基于逻辑推理的猜数字游戏，所有代码仅在一个HTML文件中实现。游戏规则简单：玩家需在8次猜测内破解一个4位不重复数字的密码，每次猜测后会得到“Dead”（数字与位置正确）和“Injured”（数字正确但位置错误）两种反馈。游戏提供每日挑战模式，全球玩家共享同一谜题，并设有排行榜和成就系统。此外，Dinjure还支持在线对战、对抗AI（名为Dinjure AI的逻辑引擎）以及本地双人模式。该游戏强调纯粹的逻辑推理，无需数学计算。 #HTML游戏 #猜数字 #AI对战 #网页游戏 #逻辑推理

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

首个正式验证的3D CSG实现

该项目在Lean 4中实现了首个经过形式化验证的3D构造实体几何（CSG）网格相交操作。开发团队通过93行简洁的规范精确描述了结果网格的表面形态，并保证了实用上的良好性条件，从而避免了依赖可能含有错误的AI生成代码。人类审核者只需阅读这93行规范并运行验证，即可信任整个实现。此举旨在探索一种新范式：以极小规模的正式规范替代大规模AI代码，从而提升关键几何计算的可信度。该实现已开源，未来有望为CAD、计算机图形学等领域提供高可靠性的基础工具。 #形式化验证 #3D建模 #CSG #Lean4 #AI代码 #可靠软件 #软件工程 #开源

利用AI自动化处理越南语PDF转HTML

一名网页设计师在将56年前的越南语四音节成语PDF转为HTML时，因手动操作耗时过长而转向AI辅助。他先后尝试GPT-5.4和Claude Sonnet 4.6，前者因超限放弃，后者成功提取纯文本并生成干净的HTML代码，但缺少越南语变音符号。经过多次迭代，Claude Sonnet 4.6最终为约95%的越南语词汇正确补上变音符号，显著提升效率。作者虽对AI持保留态度，但承认其在自动化任务中的实用价值，最终保留了设计控制权。 #AI #自动化 #PDF转HTML #语言处理 #越南语 #ClaudeSonnet #GPT #网页设计