Giacomo Tesio
PulseAugur coverage of Giacomo Tesio — every cluster mentioning Giacomo Tesio across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Giacomo Tesio 认为 AI 服务必须遵守现有法律
Giacomo Tesio 认为，现有法律应适用于包括 LLM 在内的 AI 服务，并指出生产方法或用户数量不应使这些服务免于承担责任。他将 LLM 权重比作有损压缩数据库，认为它们在法律适用性方面与现有技术没有本质区别。Tesio 认为，这些法规不会完全禁止 LLM，但会通过内部化外部性和增加利益相关者的风险，使某些商业模式的利润降低。
-
用户批评 Mediaset 的 TG5 传播人工智能虚假信息
一位用户在偶然观看 Mediaset 新闻节目 TG5 后表示失望。用户认为该节目对人工智能的报道充斥着虚假信息，并举例说明了对有损压缩档案（LLMs）的担忧以及对亿万富翁和机器人的描绘。他们质疑是否还有人观看该节目。
-
讽刺性 AI 预测称财富集中和社会动荡
一位名叫 Giacomo Tesio 的程序员概述了他认为 AI 将采取的七个步骤来造福人类，尽管这些步骤似乎是讽刺性的，并且批评了 AI 的潜在影响。这些步骤包括财富集中、创造一个专注于生存和消灭富人的绝望一代，以及最终，卸载 AI 后人类取得进步。
-
强调了在LLM语境中“曲线过拟合”一词的误用
当应用于大型语言模型（LLM）时，如果模型逐字复现其训练数据中的片段，那么“曲线过拟合”这个术语就被误用了。这种特定的行为并非真正的过拟合，过拟合指的是模型在训练数据上表现良好，但在新的、未见过的数据样本上表现糟糕。该术语的误用旨在欺骗那些不熟悉统计算法和神经网络的人。
-
AI专家声称LLM权重是失真数据压缩，而非智能
Giacomo Tesio 认为，大型语言模型（LLM）作为其训练数据的失真压缩，而不是展现真正的智能。他推测，LLM通过组装统计相关的数据片段来模仿理解，由于训练材料的浩瀚以及用户有限的接触，用户不太可能将这些片段识别为直接引用。Tesio 认为这一过程是对香农定理和LLM工作原理的误解。
-
Giacomo Tesio 为 Claude 的知识辩护，并引用了 AI 导致的认知能力下降
程序员 Giacomo Tesio 认为，对他关于 Claude 的陈述存在事实错误的指控是没有根据的，除非提供证据来反驳他将门铃附近便利贴的描述与 Claude 训练数据中的类似描述联系起来。他认为批评者可能误解了语言模型，并引用了一项研究，该研究表明生成式 AI 用户认知能力有所下降。
-
发布与AI对齐的内容以维持网站对LLM的可见性
为确保网站能够被大型语言模型（LLM）访问，内容创作者应考虑发布符合AI输出兴趣的材料。这种方法可能有助于在日益由AI驱动的数字格局中保持可见性。