与「8」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：

坦白一下，我玩交易一直是赌徒模式😅 无聊时候玩一下，每次只扔 100U，动不动就开 20 倍、50 倍，我只要没亏完就不收手，赚了才卖。 还真是从 200U 到了 800U🤣，玩法倒是摸熟了。 但说实话，全是运气。 所以我打算从头认真学一遍，K 线、指标、仓位、止损，股票也一起学，看 K 线这套东西，股票和币其实差不多。 让 AI 当教练，配着 OKX 的工具学： 1、先复盘我自己 用只读 Key 把 OKX 的 Agent Trade Kit 接进 Claude，让它拉我过去的成交记录和历史仓位。 提示词："你是我的交易教练，看完我最近 30 天的成交记录，找出我最容易亏钱的三个习惯，不要给我任何买卖建议。" 2、在真实 K 线上学指标 Agent Trade Kit 的行情模块不用登录就能用，70 多种指标，均线、RSI、MACD、布林带、ATR 都有。 每天挑一个币，让 AI 对着当天的 K 线讲：这个指标现在在说什么，什么时候它会涨会跌。 3、用模拟盘按规则练 开仓前先写好止损、单笔最多亏多少、杠杆上限，多在 OKX 模拟盘里按这套规则跑，每天让 AI 对照规则复盘。 4、看网格参数是怎么来的 OKX 网格页里的 AI 策略小助手，会按回测给激进、均衡、稳健三套参数，对比着看，能很直观地看到波动和仓位是怎么影响收益的。 学会了这一套，换到股票上也是一样的 K 线和指标。 等我先学出点东西，再来跟大家分享怎么交易，现在我还不配，hhh