我们每个人使用 AI 聊天机器人的体验都不尽相同。就像 Google 搜索对每个人的结果都不一样一样,人工智能的输出也千差万别,从平淡无奇到精彩绝伦。这一切都取决于你的提示词有多好、聊天机器人对你的"了解"程度以及你与它互动的方式。
如果你把 ChatGPT 当作 Google 搜索的替代品,并且倾向于保持未登录状态,它能参考的个人对话就会较少。ChatGPT 的记忆能力会随着使用次数的增加而提升。如果你没有登录,它就无法将对话与你的账号关联,也就无法了解你经常寻求的信息类型和答案。
虽然有些人在构建自定义 GPT,但对普通用户来说,"训练" ChatGPT 就足够了。
无论如何,千万不要向 AI 上传个人信息、财务账户、医疗记录、机密信息或登录信息。一旦信息进入 AI 工具,你就无法收回,所以在使用 AI 时要始终保持警惕。
ChatGPT 的记忆功能是什么?
如果启用了 ChatGPT 的记忆功能(默认开启),它会捕捉细节和偏好来为你定制回应。点击设置,然后进入个性化设置来检查是否开启,并可以删除特定对话。
值得浏览一下 ChatGPT 存储的"记忆",因为可能存在需要手动删除的错误。例如,它说我有两个孩子,但事实并非如此。
这有点令人不安——由于我写了一篇关于使用 ChatGPT 帮助我偿还 18,000 美元债务的实验文章(结果并不理想),它知道了我使用的银行。
如果你对 ChatGPT 保存的某些数据点(比如你的银行信息)感到不舒服,就删除它。建议每隔几周就这样做一次,以帮助 ChatGPT 做出正确的回应。可以把这想象成清理缓存。
"训练" AI 到底意味着什么?
"训练" ChatGPT 涉及上传独特的数据,如 PDF、政策和客服记录,以创造更个性化的体验。
如果你只是日常个人使用,可能不需要创建自己的 GPT。对于日常个人使用,"训练" AI 只是在提示词或文档上传时提供额外的上下文。例如,附上你的简历和职位描述链接来创建定制的求职信。(这种训练不要与 OpenAI 进行的 AI 模型训练混淆。)
训练 ChatGPT 简单来说就是教它记住关于你的信息。比如,你可以花几分钟输入诸如"我刚搬到纽约市"或"记住我是素食主义者"之类的信息。
你还可以问它: - 你记得关于我的什么? - 你需要什么信息来更好地了解我? - 我上一个项目最后进展如何?
另一个有用的训练功能是在设置中填写"自定义 ChatGPT"部分。
充分利用"ChatGPT 应该知道的其他信息"框。分享你的习惯、喜好、当前的兴趣、人生目标以及任何你希望它了解的可能在未来询问信息时相关的内容。例如:"我喜欢跑步。我是素食主义者。我正在训练马拉松。"
如果你上传文档,可以通过提出只有从你的数据中才能知道的具体问题来测试它。看看它存储了什么,并询问它为什么做出这样的"决定"。
假设我想让 ChatGPT 帮我想出故事创意来回应一个故事征集。我可以上传编辑笔记和我的简历,然后让 ChatGPT 根据我的经验提出三个有力的故事创意。
虽然我永远不会直接采用 AI 的创意,但它是一个很好的思维伙伴,可以提供创意的萌芽。例如,ChatGPT 提到了一个来自 LGBTQ+ 社区的 TikTok 塔罗牌热潮。这表明 ChatGPT 从过去的对话中了解到我在同性关系中,因为我的简历中并没有提到 LGBTQ+。
请记住,训练 ChatGPT 是一个持续的过程。它需要通过多次对话和数月时间来微调。使用得越多,效果就越好。
只是不要在告诉 ChatGPT 信息时太过随意。它可能会给你一种与聊天机器人虚假的联系感。而且在发生数据泄露时,它可能会将你的个人信息泄露给任何人。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。