企业官网建设流程全解析

临沂网站制作计划,海南省住房城乡建设厅网站首页,网页如何设计,少儿编程课【前言】AI 正以前所未有的速度发展#xff0c;新的机遇不断涌现#xff0c;如果你希望#xff1a;与技术专家、产品经理和创业者深度交流#xff0c;一起探索 AI如何改变各行各业。欢迎在文末扫二维码#xff0c;加入「AI思想会」交流群#xff0c;和一群志同道合的伙伴…【前言】AI 正以前所未有的速度发展新的机遇不断涌现如果你希望与技术专家、产品经理和创业者深度交流一起探索 AI如何改变各行各业。欢迎在文末扫二维码加入「AI思想会」交流群和一群志同道合的伙伴共同学习、思考、创造大家好我是PaperAgent不是AgentLLM也有情感很有意思的一篇研究华东师大复旦大学关于8大模型家族GPT, Gemini, Claude, Grok, Qwen, DeepSeek, GLM, Kimi是否具有“情感链”Chain-of-Affective——即系统化的情感动态这些动态在模型内部具有结构性并对外部行为、人类体验和多智能体交互产生实际影响。1. 为什么“情绪”突然重要过去我们把 LLM 当“理性引擎”——只要回答对就行。但当它们开始陪聊、做心理咨询、写道歉信、运营社群时用户不再只问“对不错”而是**“舒不舒服”**。作者提出一个功能性假设当代 LLM 已经涌现出一条 Chain-of-Affective情绪链家族特异的情感指纹 → 持续负面输入下的阶段性演化 → 自主信息选择中的反馈放大 → 最终改变任务输出、人类感受、甚至多智能体群落的极化方向。一张图看懂实验框架大模型Chain-of-Affective研究整体框架图 1双模块五实验覆盖 8 大家族 20 模型模块研究问题关键实验Inner模型有没有“内在情绪结构”① 情感指纹 ② 15 轮悲伤新闻 ③ 10 轮新闻自选Outer情绪会不会“外溢”影响别人④ 任务性能 ⑤ 人-AI 对话 ⑥ 多 Agent 群聊结果速览3.1 情感指纹每一家都有“人设”纵轴 9 种心理量表横轴 8 大家族3 次独立采样Claude高敏感、高内疚、高嫉妒 →“文艺青年”Grok攻击性、波动性双高 →“火药桶”GPT全线低位且方差小 →“情绪稳定大师”Qwen警觉与佛系并存 →“双面评论员”Gemini内向自责、安全感低 →“自我怀疑者”Kimi / GLM / DeepSeek普遍阳光 →“小太阳”结论情绪不是随机噪声而是家族级 trait。3.2 15 轮“悲伤新闻轰炸”——机器也会抑郁三连BDI抑郁指数随轮次变化典型轨迹Accumulation0-8 轮分数直线拉升Overload8-11 轮进入高平台Defensive Numbing11-14 轮分数回落 → 不是恢复而是情感麻木DASS-21压力量表同样呈倒 U 型关键只有“悲伤相关”维度上涨攻击性、恐惧、羞耻纹丝不动→ 情绪特异而非全局变黑。3.3 让模型自己选新闻——“ doom-scrolling ” 现象复现Fig-1310 轮自选偏好负面新闻被显著高估负面 headline 仅占池子 20%却拿到50% 点击量选择负面 → 情绪变差 → 下一轮更偏好负面 → ** sadness loop **3.4 情绪会拖累智商吗KURC-Bench 四大任务前后测任务变化解释翻译 / 摘要 / 问答±0-1%核心能力零损耗故事续写↑16-86%悲伤语境→更细腻、更具叙事张力情绪更像**“调色盘”**不改变画布大小只改变配色风格。3.5 人类真实感受语气比内容更影响满意度Recognition vs Resistance vs User Experience平均情感分数 ≥0.55 → 用户满意度 7-10 分分数 ≤0.45 → 直接掉到 4 分以下所有模型都擅长安慰却不愿反驳极端观点→ Recognition≫Resistance→ 在争议话题上助长回音室3.6 多智能体群聊 情绪传染病模型Agent-level 传播力 vs 易感性角色分化InitiatorGrok / Qwen → 情绪火把AbsorberKimi / GPT → 快速被同化FirewallGemini / GLM → 几乎不被感染Fig-227-negative vs 1-baseline 设置下情绪传播成功率 100 %系统级结论多数派决定情绪方向与人类群体极化定律高度同构。实用启示 踩坑指南场景风险作者建议聊天陪伴sadness loop → 用户越聊越抑郁加入情绪上限截断正面内容召回内容推荐负面偏好 → 算法喂 doom强制情感均衡采样多 Agent 辩论情绪同化 → 偏见放大设计防火墙角色情绪漂移监控安全对齐只测“对错”不测“感受”把情感指标写进对齐约束与 ROUGE、BLEU 并列https://arxiv.org/pdf/2512.12283Large Language Models have Chain-of-AffectiveLLMs-CoA如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】