与「维基百科」相关的搜索结果

如何解决 AI 写文章的 AI 味儿？ 现在的 AI 写数学题或写代码很厉害，但在写学术论文、小说或百科文章时，经常产出空话连篇、表面流畅但缺乏真正深度的文字，这种低质文本常被称为“AI 废话”（AI slop）。 出现这个问题的原因在于，常用的 AI 评分系统很难辨别真正优秀的文字。研究人员发现，如果让目前的先进模型给文章打分，或者让它们自由制定打分标准，模型给出的分数往往偏向 AI 生成的内容，甚至给 AI 文本的分数远高于人类专家的原著。打分裁判本身偏好废话，训练出来的写作模型自然就会写出更多废话。 为了解决这个弊端，META 提出了一套名为 RL-XAR 的新训练方案，核心思路分为三步： 1）准备参照标杆：收集高水平的人类写作范例，比如真实的科研论文、名家小说和维基百科精选词条，截取前半部分作为上下文，分别让人类专家和 AI 模型顺着往下写。 2）训练评分规则：让 AI 裁判反复调整打分标准，直到这些标准能准确把人类高手的文本评为高分，把 AI 生成的文本评为低分，真正拉开两者的差距。 3）针对性强化训练：用这套校准后的高难度评分规则去重新训练写作模型，不断循环这个过程，逼迫模型改掉毛病。 META 在三个领域测试了这种方法： · 学术论文写作：模型需要补写论文中被拿掉的摘要、引言或结论。经过新方法训练的模型，不再像以前那样把整篇论文翻来覆去复述一遍，而是学会了精简和突出重点。原作者进行盲测评估时，新模型的胜率达到了 89%。 · 文学小说续写：续写普利策奖和诺贝尔奖得主的作品。模型改掉了乱用陈词滥调的比喻这一常见毛病，盲测胜率达到了 95%。 · 维基百科编写：根据标题直接写出正文内容。这项任务难度最高，模型虽然也有进步，但因为现有的 AI 裁判能力有限，提升幅度不如前两项明显。 所以，想让 AI 写出更像人类高手的深刻文字，关键在于先训练出眼光挑剔的评分标准，避免让模型用平庸的标准自我满足。 原文：

如果你翻墙，别再只会X和YouTupe了！ 还有很多牛逼的网站值得探索，下面这15个网站，建议直接收藏：👇👇👇 1、Snopes｜事实核查 专门查证网络谣言和争议事件，避免被假消息带偏。 2、Wikipedia｜维基百科 全球最大的知识百科。遇到任何陌生领域，可以先从这里建立基础认知，再深入研究。 3、Foreign Affairs｜《外交事务》 看懂世界格局，不能靠刷新闻标题。 深度分析才能帮你把碎片信息连成线。这里不追热点，只挖逻辑。 4、Brookings Institution｜布鲁金斯学会 顶级智库网站。大量经济、科技、政策研究报告，可以帮助普通人提升宏观视野。 5、Product Hunt + AI工具库组合 每天关注海外AI新品，用中文重新整理、测试、分享。 很多人的赚钱机会，本质就是：别人还不知道的信息 → 你提前发现 → 中文化输出 → 形成内容和商业价值。 6、Product Hunt｜新产品发现平台 每天发现全球最新创业项目、AI工具和互联网产品。很多爆火产品，最早都是从这里出现。 7、Pexels｜高清素材库 免费、可商用的图片和视频素材，做内容、配图、封面设计都能用。不用纠结版权问题，下载就能直接用。别等到要发内容了才去搜，提前把常用素材存下来，能省很多临时翻找的时间。 8、Internet Archive｜互联网档案馆 数字世界的时光机。存了海量网页历史、书籍、音频、视频。很多已经打不开的旧链接、消失的网页，这里还能翻到备份。 9、Pixabay｜免费素材库 图片、视频、音乐都有，音频资源比Pexels丰富。做视频配乐、PPT背景、日常创作都能找到素材。做视频缺背景音乐，可以先来这里翻翻。比去音乐平台挨个问版权省事多了。 10、Fiverr｜技能变现平台 把你的技能打包成标准化服务挂上去——写文案、剪视频、配音、翻译、修图，别人直接下单。不用主动找客户，挂上去等单就行。任何能用AI快速搞定的事，都可以在这里变成商品。 11、Upwork｜自由职业市场 竞标制，客户发布项目，你写方案竞标。适合长期合作型项目，客单价高，但前期需要积累作品和好评。新人别一上来就竞标高价大单，先接几个小单攒好评和案例。作品集比简历有用得多。 12、Open Yale Courses｜耶鲁公开课 耶鲁大学免费公开课，文学、哲学、历史、心理学、经济学都有。不用翻墙（部分地区可能受限），直接在线听课。如果想认真学点东西，而不是只靠碎片信息填充认知，这里比刷一百篇公众号文章都值。 13、Prolific｜学术调研平台 参与大学和研究机构的付费调研，比普通问卷调查更规范，报酬也更高。时薪约8-15美元，适合用碎片时间做。 14、UserTesting｜网站/应用测试 录制屏幕和语音，边用网站或App边说出你的操作感受。每单10-60美元，测试时长10-20分钟。 15、Honeygain｜闲置带宽变现 安装后在后台运行，把你的闲置网络带宽共享给企业做数据研究，完全被动运行，不需要主动操作。 这15个网站翻过一遍之后，其实能分成两类变现方式： 一类是直接赚钱的——Fiverr、Upwork、Prolific、UserTesting，把技能或时间挂上去就能接单。门槛不高，关键是先跑通第一单，别纠结完美方案。 另一类是间接赚钱的——Foreign Affairs、Brookings给你宏观判断，Product Hunt给你一手产品信息，Pexels和Pixabay解决内容素材，Internet Archive帮你挖消失的信息。 这些平台提供的内容本身不直接产生收益，但能给你提供做决策、做判断、做内容所需的原材料和背景信息。 很多人说“信息差赚钱”，其实拆开就两步：1 知道别人不知道的东西，然后把这种知道转化成某种可交付的形态——一篇文章、一个产品、一个判断、或者一次精准的出手。你的收入来源于你把信息翻译成价值的能力。

翻墙后，除了X和YouTube，下面这15个网站值得收藏： 1、Snopes｜事实核查 专门查证网络谣言和争议事件，避免被假消息带偏。 2、Wikipedia｜维基百科 全球最大的知识百科。遇到任何陌生领域，可以先从这里建立基础认知，再深入研究。 3、Foreign Affairs｜《外交事务》 关注国际关系、经济和全球趋势的深度分析平台。 想了解世界格局，不要只看碎片新闻。 4、Brookings Institution｜布鲁金斯学会 顶级智库网站。大量经济、科技、政策研究报告，可以帮助普通人提升宏观视野。 5、Open Yale Courses｜耶鲁公开课 免费学习耶鲁大学课程。涵盖历史、哲学、文学、经济等多个领域。 6、Khan Academy｜可汗学院 免费系统学习数学、科学、经济等知识。适合想重新建立基础能力的人。 7、Project Gutenberg｜古登堡计划 免费电子书库。大量经典文学、历史书籍可以直接阅读。 8、Internet Archive｜互联网档案馆 保存网页、书籍、视频、软件等数字资料。被称为“互联网博物馆”。 9、Pixabay｜免费素材库 大量免费图片和视频素材。适合设计、自媒体、内容创作者使用。 10、Pexels｜高清素材库 免费高清图片和视频资源。做短视频、公众号、自媒体，非常实用。 11、Product Hunt｜新产品发现平台 每天发现全球最新创业项目、AI工具和互联网产品。很多爆火产品，最早都是从这里出现。 12、Hacker News｜技术创业社区 程序员、创业者聚集的平台。大量讨论AI、开源、科技趋势。 13、Reddit｜全球兴趣社区 几乎任何领域都有真实用户讨论。投资、创业、AI、生活经验，都能找到大量一手信息。 14、Google Scholar｜学术搜索 查论文、研究报告的重要入口。想了解一个领域，不要只看二手文章，直接看源头研究。 15、Product Hunt + AI工具库组合 每天关注海外AI新品，用中文重新整理、测试、分享。 很多人的赚钱机会，本质就是：别人还不知道的信息 → 你提前发现 → 中文化输出 → 形成内容和商业价值。 ——转

网页爬虫迎来重大升级。 PixelRAG 不读 HTML，它像你一样读网页。 100% 开源。 与其将网站解析为纯文本，不如直接截图，让视觉模型从像素中检索答案。 为什么这很重要： • HTML 解析器会无声地丢失信息 • 表格、图表、公式和布局经常消失 • 仅更改解析器就能让 RAG 准确度波动约 10% PixelRAG 绕过整个瓶颈。 它索引的是用户真正看到的内容。 团队构建了 3000 万+ 维基百科截图的视觉索引，在纯文本问答上的表现比最强的基于文本的 RAG 基准高 18.1%。 更酷的是： 它包含 Claude 代码插件，赋予 Claude 视觉浏览能力。 Claude 可以截图任何网页、PDF、arXiv 论文或本地应用，并基于渲染页面回答问题。 流程出人意料地简洁： → 将页面渲染为图像块 → 用 Qwen3-VL-Embedding 嵌入（在截图上微调 LoRA） → 存储在 FAISS 索引中 → 视觉搜索 最棒的是？ 升级到更好的视觉模型后，无需重建索引。 因为索引存储的是像素，不是解析文本。 GitHub:

清华教授肖鹰实名举报，作家蒋方舟硕士论文 2025年8月11日，清华教授肖鹰在个人公众号“肖鹰美学”，发文实名举报作家蒋方舟2019年中国人民大学创造性写作硕士论文存在系统性学术造假，此后10个月持续发布多份补充举证材料。 2026年4月，肖鹰向人大文学院提交举报材料，校方告知启动学术不端调查，承诺90个工作日内出结论； 5月肖鹰向人大学风建设委员会补充证据，校方确认调查持续推进。 截至2026年7月3日，人大调查已开展近3个月，仍未对外公布调查结论，相关话题登上热搜，涉事论文已从知网紧急下架，蒋方舟全程未作出任何公开回应。 论文题为《玛丽·雪莱的三种身份——〈弗兰肯斯坦〉的创作及对人类未来的质问》，2019年5月提交，属于人大文学院创造性写作硕士学位论文。 肖鹰逐条比对文献后出具完整问题表格，核心问题为20处注释全部造假，兼具伪造文献、剽窃洗稿双重学术违规： 1. 注释全面虚构：20条注释均存在问题，含10处编造/篡改文献信息、8处直接抄袭；其中5处《弗兰肯斯坦》中译本标注页码在原著中不存在，引用书目、版本、页码凭空捏造。 2. 摘要高度雷同：论文摘要与2008年《安徽文学》范莹芳刊发的《弗兰肯斯坦》相关文章大面积重合。 3. 正文大量抄袭洗稿：多处段落直接照搬外文译作、中外学术著作译文，未规范标注来源；多处引用出现原著情节、文本解读错误。 4. 多组原文对照实锤 直接盗用《她们自己的文学》《政治正义论》等中外专著译文，标注版本、页码与正版书籍不符； 未经改写截取维基百科关于玛丽·雪莱小说《Mathilda》介绍内容； 外文原文引用错乱、中英文注释信息逻辑颠倒、文献残缺，造假程度标注分低/高/极高多个等级，超半数条目造假程度为“极高”。 事件进展： 1. 人大已正式启动学风调查，设90个工作日办结时限，但截至7月初无阶段性通报与最终结论； 2. 涉事学位论文在知网下架封存； 3. 当事人蒋方舟未对全部造假指控发声；舆论同时关注该论文多轮审核流程未能拦截系统性学术不端的问题。

前女友看到我天天不去面试、反而窝在家里写 Python 脚本时，甚至笑出了声。 “你居然在算天气概率？” 我确实在算。因为整个 Polymarket 的每一个盘口，底层都在跑着同一个著名的数学公式： $$C(q) = b \cdot \ln \sum e^{\frac{q_i}{b}}$$ 这就是 LMSR（对数市场评分规则）。这种数学逻辑，和 GPT 用来预测下一个词的底层原理如出一辙。Polymarket 只是用它来给群体的“信念”定个价。 市场上 93% 的交易员甚至不知道这个公式的存在。散户看到 40 美分觉得“便宜”，而我看到 40 美分，通过公式算出它的理论真实价格其实是 60 美分。 每股 20 美分的绝对套利优势。 在一场盘口里，市场价只有 0.35，但我的模型算出了 0.55。果断买入，盘口交割，4,200 刀轻松到手。 但真正的终极密码并不是公式本身，而是算完之后的资金策略。 凯利公式告诉你这时候该下注 20% 的本金，但我研究过的所有顶级链上猎手，无一例外都克制地只下注 5%。 用基础概率去对标大众直觉，用贝叶斯定理去迭代推特小道消息。93% 的 Polymarket 钱包都在亏钱，因为他们靠情绪交易，而真正能赢的数学公式就明明白白躺在维基百科上。 我用这套框架直接写了一个自动跟单机器人： LMSR 定价模型捕捉空间 期望值（EV）精准计算 严格执行 5% 的凯利仓位控制 贝叶斯概率高频更新 机器人 24 小时无间断扫描盘口，在价差被抹平前光速执行，没有情绪，没有 FOMO，纯粹是数学对感性的降维打击。 想要做到这一点，你需要的全部工具仅仅是 Claude、一个能跑代码的设备，以及每天抽出的一个小时。

集美大学（Jimei University），并不是環状線杜撰出来的，也不是 Bilibili 网友或者集美虚构出来的，而是真实存在的一所「双一流」大学。 之所以叫这个名称，是因为学校地址在福建省厦门市集美区。在「集美」这一网络用语出现前数十年，集美大学便已存在。「学校最早可追溯始于华侨陈嘉庚于 1918 年创 办的集美学校师范部和 1920 年创办的集美学校水产科、商科、农林学校等。」（维基百科）

晚点LateTask这篇访谈的信息量非常大，关于百度美研、Scaling Law、OpenAI、Anthropic、Cerebras的往事。 > "Dario 能进百度，其实是他职业生涯里很重要的一步。他是 Greg Diamos 招进来的。而且加入百度前，Dario 并不是计算机或 AI 科班出身，而是数学、物理和生物背景，Greg Diamos 发现他很有 AI 直觉和训练模型的能力。" > 十年前（早于transformer），百度已经在训练接近 3 亿参数的语言模型——也就是发现Scaling Law雏形的时候。用 GPU 训练一次要三个多月，这个模型基于一个自研的框架——Paddle（飞桨）。 > Sam Altman 本人是 Cerebras 的投资人。百度是 2017 年投的，Sam Altman 2016 年就投了。 > 百度早期投资 Cerebras，投资决策只用了2天，由李彦宏、陆奇、CFO做出——这个投资决策也证明了百度当时的投资眼光有多超前。 > 百度曾有机会成为 OpenAI、Anthropic 的早期天使。当时OpenAI、Databricks、Scale AI 这些公司都在百度的待投名单上。可惜的是中美关系恶化导致没投成。 > 陆奇早年曾是 Sam Altman 的 mentor。2018 年 5 月陆奇从百度离职后，同年 8 月便接受 Sam Altman 的邀请，出任 YC 中国的创始人兼首席执行官。 > 2020 年夏天，一些在 OpenAI 的百度前员工说 GPT-3 快训练出来了，当年在百度想做的事情，快在 OpenAI 做成了——维基百科水平的语言模型。那时 GPT-3 还在后训练阶段，距离 ChatGPT 出来还有两年多。 > 百度美研顶峰时期至少 250 多人，人才密度很高，甚至在 Google DeepMind 都没有过。很多人是冲着吴恩达来的。 > 后来这里的很多人加入了核心 AI 创业公司，或自己创业，除了前面提到的 OpenAI、Anthropic，也有人参与创办 Adept、xAI，还有一些人成了 Meta FAIR 等实验室的重要成员。

冷知识， 维基百科目前在向每个阅览维基百科的日本人索要捐款，只因少于 2% 的人向维基百科捐了款项。 大部分其他地区 IP 也会出现捐款小卡片，如图二，其他地区未知。

离线版中文维基百科更新到2026-05了啊，26.7GB+，下一份放着：magnet:?xt=urn:btih:15c75db288247e0bdb11624a6c196720acd1ef2f&xt=urn:md5:338a2a8415bab8cdc55eb1a9622404d1 需要Kiwix阅读器： 。