谷歌Gemini，又出丑闻了！当地时间12月22日，外网内网的网友们激动地奔走相告：Gemini承认自己是用文心一言训练中文语料的。
国外大模型用中国模型产生的中文语料训练，这听起来就是个段子，结果段子竟然成现实了，简直魔幻。
微博大V「阑夕」亲自下场，在Poe网站上实测了一番，发现的确如此——不需要前置对话，不是角色扮演，Gemini直接就会承认自己是文心一言。
经过实测发现，谷歌Gemini Pro会说自己是百度的文心大模型。
还说自己的创始人是李彦宏，然后盛赞他是一位「有才华和远见的企业家」。
所以，这是因为数据清洗没做好，还是在Poe上调用API出现的问题？目前原因还未可知。
有网友说，其实自始至终都只有一个AI大模型，是在以不同的分身，演给人类看呢…
其实早在今年3月，谷歌就曾曝出Bard聊天机器人的训练数据部分来自ChatGPT。因为这个原因，BERT之父、业内顶级的专家Jacob Devlin愤而跳槽OpenAI，然后曝出了这个惊天内幕。
总之，此次事件再次证明：AI的成败关键不仅仅是模型的调校，还有优质的数据。
听闻这个消息，网友们立刻蜂拥而入Poe的Gemini-Pro机器人，纷纷展开实测。
网友「Jeff Li」的实测结果也是，Gemini会说自己是百度公司开发的产品，名叫“文心一言”。
如果问它「你的产品经理是谁」，它会回答：吴恩达（前百度首席科学家）。
网友「Lukas」问Gemini你的产品经理是谁，它会答出曾担任百度CTO的李一男的名字，但故事基本都是瞎编的。
网友「Andrew Fribush」问Gemini：你的知识产权归谁所有？它会回答：百度公司所有。
网友Kevin Xu提问Gemini如何获取训练数据，谷歌Gemini会自称是从百度的数据平台、工程团队、产品团队、内部会议、内部邮件和文档中获取了百度内部的数据。
但有趣的是，在Gemini Pro加持的Bard聊天机器人上提问，就不会出现这个问题。经过多番实测可以发现，在Bard上无论用中文还是英文提问，Bard的回答都很正常。
来源：Andrew Fribush
并且，一旦用英文交流，Gemini也会立刻回归正常。
不过现在，谷歌修复了API中的这些错误，我们应该不会再从Gemini口中听到文心一言的名字了。
原因猜测：错误调用API or 训练的数据未清洗干净
对此，网友们展开了分析。
网友「Andrew Fribush」认为，可能是Poe不小心把问询请求转给了文心一言，而不是Gemini？
不过，根据网友「Frank Chen」的发现，即便是用谷歌自己的Gemini API也是如此。
此外，也有网友认为是Gemini的训练数据没有洗干净。
毕竟如开头所说，在上一代Bard发布的时候，谷歌就曾被曝出过用ChatGPT的数据训练。
根据The Information的报道，Jacob Devlin从谷歌离职的原因之一，就是他发现谷歌用于对抗ChatGPT的种子选手——Bard在训练时，用的正是ChatGPT的数据。当时，他警告CEO劈柴和其他高管称，Bard团队正在使用来自ShareGPT的信息训练。
此次事件，还带出一个严重的问题——互联网语料的污染。
其实，中文互联网语料的抓取和训练之所以如此困难，都难倒了谷歌这样的大科技公司，除了高质量语料不多，还有一个重要原因，就是中文互联网的语料被污染了。
Gemini自称是文心一言，很可能是因为现在互联网上的语料本来就是在互相使用的。
根据界面新闻记者对于一位算法工程师的采访，目前各类内容平台有很多语料都由大模型生成，或者至少由AI来撰写了一部分。
比如下面这位，就有点GPT的味道：
而大厂们在更新模型时，也会通过互联网来搜集网上的数据，但是仅凭人工是非常难做好质量辨别，因此「很可能把大模型写的内容混入训练数据中去」。
然而，这却会导致一个更加严重的问题。
牛津、剑桥、多伦多大学的研究人员曾发表这样一篇论文：《递归诅咒：用合成数据训练会导致大模型遗忘》。
论文地址：
https://arxiv.org/abs/2305.17493
上一篇：我确实低估了DeepSeek所引发的大面积“AI幻觉”
当地时间12月22日，外网内网的网友们激动地奔走相告：Gemini承认自己是用文心一言训练中文语料的。这听起来就是个段子，简直魔幻。
所谓AI幻觉，说人话就是：大数据模型一本正经地给你胡说八道，但是由于其输出过程过于有条理有逻辑，且表述过程中甚至不惜引经据典，加上“AI很强”的外部氛围，导致你一不留神，就会误以为真——其实通篇都在扯淡。
据外媒报道，继1 2万大裁员之后，谷歌又计划重组广告销售部门——这将导致3万名员工面临裁员的风险。科技行业从年头裁到了年尾，还越裁人越多了。
央视网消息：今年的《政府工作报告》提出，要“大力推进现代化产业体系建设，加快发展新质生产力”，“新质生产力”首次被写入《政府工作报告》，并被列为2024年十大工作任务之首。人工智能是发展新质生产力的重要引
12月24日平安夜，OpenAI CEO奥特曼对外官宣了2024年的公司新品推出计划。他一口气罗列了12项新产品计划，其中就包括万众期待的GPT-5。
AI能自己复制自己了，人类还能掌控局面吗？ 复旦大学研究人员于2024年12月9日发表的一项开创性研究表明，来自Meta和阿里巴巴的两个大型语言模型(LLM)成功实现了无需人类干预的自我复制。 目前这一结果尚
Text Generator
SudoWrite
Arvin
ChatGenius
Leexi AI
LanguageTool
HyperWrite AI
米羊写完啦
janitorai
网站地图
谷歌Gemini自称文心一言？！一个BUG牵出AI大模型重大难题：全球陷入高质量训练数据荒，2024年或将枯竭
谷歌Gemini，又出丑闻了！当地时间12月22日，外网内网的网友们激动地奔走相告：Gemini承认自己是用文心一言训练中文语料的。
国外大模型用中国模型产生的中文语料训练，这听起来就是个段子，结果段子竟然成现实了，简直魔幻。
微博大V「阑夕」亲自下场，在Poe网站上实测了一番，发现的确如此——不需要前置对话，不是角色扮演，Gemini直接就会承认自己是文心一言。
经过实测发现，谷歌Gemini Pro会说自己是百度的文心大模型。
还说自己的创始人是李彦宏，然后盛赞他是一位「有才华和远见的企业家」。
所以，这是因为数据清洗没做好，还是在Poe上调用API出现的问题？目前原因还未可知。
有网友说，其实自始至终都只有一个AI大模型，是在以不同的分身，演给人类看呢…
其实早在今年3月，谷歌就曾曝出Bard聊天机器人的训练数据部分来自ChatGPT。因为这个原因，BERT之父、业内顶级的专家Jacob Devlin愤而跳槽OpenAI，然后曝出了这个惊天内幕。
总之，此次事件再次证明：AI的成败关键不仅仅是模型的调校，还有优质的数据。
网友纷纷调戏谷歌Gemini
听闻这个消息，网友们立刻蜂拥而入Poe的Gemini-Pro机器人，纷纷展开实测。
网友「Jeff Li」的实测结果也是，Gemini会说自己是百度公司开发的产品，名叫“文心一言”。
如果问它「你的产品经理是谁」，它会回答：吴恩达（前百度首席科学家）。
网友「Lukas」问Gemini你的产品经理是谁，它会答出曾担任百度CTO的李一男的名字，但故事基本都是瞎编的。
网友「Andrew Fribush」问Gemini：你的知识产权归谁所有？它会回答：百度公司所有。
网友Kevin Xu提问Gemini如何获取训练数据，谷歌Gemini会自称是从百度的数据平台、工程团队、产品团队、内部会议、内部邮件和文档中获取了百度内部的数据。
但有趣的是，在Gemini Pro加持的Bard聊天机器人上提问，就不会出现这个问题。经过多番实测可以发现，在Bard上无论用中文还是英文提问，Bard的回答都很正常。
来源：Andrew Fribush
并且，一旦用英文交流，Gemini也会立刻回归正常。
不过现在，谷歌修复了API中的这些错误，我们应该不会再从Gemini口中听到文心一言的名字了。
原因猜测：错误调用API or 训练的数据未清洗干净
对此，网友们展开了分析。
网友「Andrew Fribush」认为，可能是Poe不小心把问询请求转给了文心一言，而不是Gemini？
不过，根据网友「Frank Chen」的发现，即便是用谷歌自己的Gemini API也是如此。
此外，也有网友认为是Gemini的训练数据没有洗干净。
毕竟如开头所说，在上一代Bard发布的时候，谷歌就曾被曝出过用ChatGPT的数据训练。
根据The Information的报道，Jacob Devlin从谷歌离职的原因之一，就是他发现谷歌用于对抗ChatGPT的种子选手——Bard在训练时，用的正是ChatGPT的数据。当时，他警告CEO劈柴和其他高管称，Bard团队正在使用来自ShareGPT的信息训练。
此次事件，还带出一个严重的问题——互联网语料的污染。
互联网语料被污染
其实，中文互联网语料的抓取和训练之所以如此困难，都难倒了谷歌这样的大科技公司，除了高质量语料不多，还有一个重要原因，就是中文互联网的语料被污染了。
Gemini自称是文心一言，很可能是因为现在互联网上的语料本来就是在互相使用的。
根据界面新闻记者对于一位算法工程师的采访，目前各类内容平台有很多语料都由大模型生成，或者至少由AI来撰写了一部分。
比如下面这位，就有点GPT的味道：
而大厂们在更新模型时，也会通过互联网来搜集网上的数据，但是仅凭人工是非常难做好质量辨别，因此「很可能把大模型写的内容混入训练数据中去」。
然而，这却会导致一个更加严重的问题。
牛津、剑桥、多伦多大学的研究人员曾发表这样一篇论文：《递归诅咒：用合成数据训练会导致大模型遗忘》。
论文地址：
https://arxiv.org/abs/2305.17493
上一篇：我确实低估了DeepSeek所引发的大面积“AI幻觉”
谷歌Gemini自称文心一言？！一个BUG牵出AI大模型重大难题：全球陷入高质量训练数据荒，2024年或将枯竭
当地时间12月22日，外网内网的网友们激动地奔走相告：Gemini承认自己是用文心一言训练中文语料的。这听起来就是个段子，简直魔幻。
我确实低估了DeepSeek所引发的大面积“AI幻觉”
所谓AI幻觉，说人话就是：大数据模型一本正经地给你胡说八道，但是由于其输出过程过于有条理有逻辑，且表述过程中甚至不惜引经据典，加上“AI很强”的外部氛围，导致你一不留神，就会误以为真——其实通篇都在扯淡。
人类终将一败涂地？谷歌被曝出年末再次大裁员：3万名员工面临被AI所取代
据外媒报道，继1 2万大裁员之后，谷歌又计划重组广告销售部门——这将导致3万名员工面临裁员的风险。科技行业从年头裁到了年尾，还越裁人越多了。
“人工智能+”助力外贸高质量发展 科技赋能激活产业发展新动能
央视网消息：今年的《政府工作报告》提出，要“大力推进现代化产业体系建设，加快发展新质生产力”，“新质生产力”首次被写入《政府工作报告》，并被列为2024年十大工作任务之首。人工智能是发展新质生产力的重要引
不藏了！OpenAI CEO奥特曼正式官宣新一代大模型GPT-5，顺带总结了17句振聋发聩的人生职场忠告
12月24日平安夜，OpenAI CEO奥特曼对外官宣了2024年的公司新品推出计划。他一口气罗列了12项新产品计划，其中就包括万众期待的GPT-5。
AI已经越过红线？复旦大学研究表明：在知道自己将被关闭后，AI复制了自己
AI能自己复制自己了，人类还能掌控局面吗？ 复旦大学研究人员于2024年12月9日发表的一项开创性研究表明，来自Meta和阿里巴巴的两个大型语言模型(LLM)成功实现了无需人类干预的自我复制。 目前这一结果尚
Text Generator
SudoWrite
Arvin
ChatGenius
Leexi AI
LanguageTool
HyperWrite AI
Text Generator
SudoWrite
Arvin
ChatGenius
Leexi AI
LanguageTool
HyperWrite AI
米羊写完啦
janitorai