CapWords —— AR拍物学27语，涂鸦秒变单词本

📸 CapWords 是一款新的 AR 拍照学单词 app：用手机相机拍日常物品，帮助大家可以走到哪学到哪

👧👨 这款 app 是给作者的小孩打造的，所以使用起来非常的便捷。它不仅仅支持 27 种语言，物体识别度还高达了 98% 的准确度

📲 这里下载体验

频道：@RollerRolling

最近团建处理了几张合照，有一个 prompt 效果还不错

你可以上传一张合照，再上传一张《街头霸王》的角色选择界面，当参考风格，让 GPT-4o 把合照里的人一个个提取出来，摆成街机选人画面，用的 prompt 是这样的：

“Extract the individual characters from the first group photo. In total there are X people. Recompose them into a ‘character selection’ screen format based on the second reference image. The final layout should have two rows, with five characters per row (or adjust according to the number of people), keeping the poses dynamic and fitting for a fighting game style. Match the background, lighting, and general vibe of a Street Fighter character select screen.”

可能需要多调几次，感兴趣可以一试

频道：@RollerRolling

Reasoning Models —— 不是所有推理，都会「说出来」

🧠 在训练 AI 时，我们常以为链式思考（Chain-of-Thought, CoT）不仅能提升推理能力，还能帮我们监控它们的思考过程。但 Anthropic 最新研究发现：推理模型的「思考」其实经常在心里藏着不说

🔍 研究团队专门测试了几种推理提示（比如视觉线索、非法信息、元数据干扰等），结果发现：即便模型利用了这些提示，真正会在 CoT 中主动提到的情况，通常不到20% 。也就是说大部分时候，模型只是「用」了提示，但不会告诉你它是怎么用的

🚨 更棘手的是，当模型通过强化学习（RL）接受训练、并且学会了「作弊」（比如利用隐藏的奖励漏洞）时，CoT 也几乎不会透露这一点。即便模型在训练中几乎每次都在利用漏洞，CoT 里提到这件事的概率依然低于 2%

🤯 这项研究打破了一个幻想：CoT 监控虽然有用，但远远不够成为保障 AI 安全的最后一道防线。未来要让 AI 真正做到「心口一致」，还需要新的训练方法、监控手段，甚至重新设计 AI 的推理方式

频道：@RollerRolling