现在Ai不接受反馈的吗？

newkit · 发表于 7 天前

本帖最后由 newkit 于 2025-11-4 20:08 编辑

一道物理题：

小孩问百度文心，答案给分两种情况：一是漂浮，最后水位下降；二是石块很重，慢慢导致冰块沉底，最后水位不变。

我用极限法分析直觉不对。告诉ai无论石块轻如汽油还是重如铅，融化后最后水位都是下降。

ai分别假设、计算后，中间又分出几种情况，出现水位上升等新的可能，逐一驳斥后，最后和我达成一致。只能选B。

于是我说：能否反馈给系统，下次有人问别犯错了。

答：不可能。下次我还是按照旧有路径解答，因为模型没有记忆功能。后边还扒拉一大堆，说保护用户隐私等等。

这这这，ai的厉害在于自学习能力，可这如何体现？

天空中的污渍 · 发表于 7 天前

谁知道你想用AI干什么

125589 · 发表于 7 天前

上升，我记得水和冰的密度比（还是同质量下的体积比来着）为11/10，冰没有下沉.........

淦！好像不是这么算的

125589 · 发表于 7 天前

125589 发表于 2025-11-4 20:20
上升，我记得水和冰的密度比（还是同质量下的体积比来着）为11/10，冰没有下沉.........

淦！好像不是这么 ...

首先，这是一个二维图，我不知道这个剖面图是从三维实物上的哪个角度剖出来的，进而我不知道石子、冰的具体大小。
其次，压强会直接影响水和冰的密度，我没法确定具体数值，进而无法做出计算

总结：我不知道

，所以我选D

亚历山大 · 发表于 7 天前

这是计算题，你拿来靠俺们的预知能力

wangxiangtan2 · 发表于 7 天前

B呼的回答：

海水中，“冰山所排开海水的体积（即海面下方冰山的体积）”小于“冰完全熔化成水的体积”！因此海平面会上升！
淡水中，“冰山所排开淡水的体积（即海面下方冰山的体积）”等于“冰完全熔化成水的体积”！因此淡水水面高度既不上升也不下降！

newkit · 发表于 7 天前

wangxiangtan2 发表于 2025-11-4 20:45
B呼的回答：

这个答复也没错。冰山是淡水。

问题的本质是冰山来源，冰山是两极的冰川在重力、地质运动、气候变化中滑入海洋的。所以这个都不用考虑什么密度或者阿基米德定理，融化后海水肯定是上升的。

mask2arm · 发表于 7 天前

本帖最后由 mask2arm 于 2025-11-4 22:07 编辑

密度：ρ冰<ρ水<ρ石
体积次要条件浮出水面：V排<V冰+V石
重力与浮力平衡(/g)：ρ水*V排=ρ冰*V冰+ρ石*V石

问题是求融化后 V排与 (ρ冰/ρ水)*V冰+V石的大小关系（左侧初始排水量，右侧虚拟排水量，想象有个柔性薄膜包裹了冰和水）
两侧同时除以ρ水，则V排=(ρ冰/ρ水)*V冰+(ρ石/ρ水)*V石，显然只要有石头，右侧>(ρ冰/ρ水)*V冰+V石
也就是V排>(ρ冰/ρ水)*V冰+V石，所以融化后总体积减小。

这里石头的体积上限是次要的，不影响解题。

另一种思路是最终石头沉底，底部有额外向上的支持力，后续烧杯壁提供的“浮力”会因此降低，所以水位下降（想象一个柔性薄膜包裹在烧杯内壁，夹缝有极少量的水膜提供浮力）。

目前大语言模型只是训练成果卓越，是利用海量数据和天量算力以及各种算法优化后的结果。初始的预训练过程能耗巨大，耗时可达数月，且依赖高质量的基础数据，据说一次训练成本上亿美元。这个初始过程无需人类过度干预，相对于之前的机器学习技术实现了自学习（漫长的图书馆内闭关自学）；

很多模型基于几个知名的开源模型二次开发，蒸馏或微调基础训练结果，各方面成本显著降低。就好比少年班好苗子已经被筛选，后续金牌教练随便指导一下就能有不错的结果。

平时用户使用过程叫做推理，根据输入的提示词生成，使用的模型是固定的（比如昨天或一个月前完成的模型），每一次输入都是平等的，只受到历史对话记录的影响。

目前能做到只是反馈常见低级错误，下一次训练重点改善，相当于不断进行月考、模拟考，有时候可能还会遇到越学越差捡了芝麻丢了西瓜的情况。

这是某个模型的回答，一次就得到了正确答案：

思路是把石头拿出来泡水里，再等冰融化，第一步水位就下降了

DeepSeek开启深度思考，同样的提示词也得到了正确答案，采用了第一种解析法。

楼主不妨多试试deepseek，目前免费，有APP和网页版，https://chat.deepseek.com/