今天刚好看到李沐最近在交大演讲中提到的观点：大模型评估特别难，评估是你最重要的事情，先把评估做好，再去做别的事情。
下面是李沐的原话：
还有就是做评估特别难，模型在实际场景中的应用是一件非常复杂的事情，假如你用一个比较简单的评估，是无法评估模型的好坏。所以过去一年多，大家都在不停的刷新榜单，但实际用起来，就觉得模型不太行，因为评估没有到位，没有真的去把实际场景那么复杂的应用给评估进去。
2024福建中考数学代数证明题可以减弱已知条件，并评AI的证明
早上一老同学微信发我今年福建的中考数学题。上午没时间，女儿中午要吃汉堡烤鸡，店里借了笔，在餐巾纸中写了下。其实没什么难度，而且第二小题，还可以进一步缩小已知条件。发到朋友圈后，有同事建议我发给ChatGPT做，测试看看。
已知，实数 a, b, c, m, n 均满足 $3m+n=\frac{b}{a}, mn=\frac{c}{a},$
(1)求证: $b^2 - 12ac \ge 0$
(2)若a,b,c均为奇数，m,n是否有可能都是整数，请说明理由。
晚上陪女儿到图书馆看书写作业，顺便做了下2024新课标I卷数学高考压轴题。当时写在餐巾纸上，晚上洗完澡整理成文字如下：
19. 设 $m$ 为正整数，数列 $a_1, a_2, \cdots, a_{4 m+2}$ 是公差不为 0 的等差数列, 若从中删去两项 $a_i$ 和 $a_j(i<j)$ 后剩余的 $4 m$ 项可被平均分为 $m$ 组, 且每组的 4 个数都能构成等差数列, 则称数列 $a_1, a_2, \cdots, a_{4 m+2}$ 是 $(i, j)$ 一一可分数列.
（1）写出所有的 $(i, j), 1 \leq i<j \leq 6$, 使数列 $a_1, a_2, \cdots, a_6$ 是 $(i, j)$ 一一可分数列；
（2）当 $m \geq 3$ 时，证明：数列 $a_1, a_2, \cdots, a_{4 m+2}$ 是 $(2,13)$ 一一可分数列;
(3) 从 $1,2, \cdots, 4 m+2$ 中一次任取两个数 $i$ 和 $j(i<j)$, 记数列 $a_1, a_2, \cdots, a_{4 n+2}$ 是 $(i, j)$ 一一可分数列的概率为 $P_m$, 证明: $P_m>\frac{1}{8}$.
近日百度创始人、董事长兼首席执行官李彦宏先生在Create 2024百度AI开发者大会上发表了这么一个观点：开源模型会越来越落后。
话音刚落，美国 Meta 就发布了 Llama3，包含了8B 和 70B 参数两个版本。Meta 表示， 最大的 Llama 3 参数超过 400B，虽然400B+模型仍在训练中，但在接下来的几个月中也将陆续发布，新功能包括多模态、多语言对话能力、更长的上下文窗口以及更强的整体能力。
在数学345视频号第14期《对称》中我们讲到了镜像对称。镜像对称可以通过镜像变换实现。镜像变换通常是关于某个轴或直线做翻转操作操作。 在图像处理中，常见的是水平镜像和垂直镜像。
水平镜像是关于垂直中轴线的镜像，即图像沿着垂直中轴线左右翻转。如下图：
DALL-E3、MidJourney AI绘画来了! 注册就能使用！需要AI绘画、ChatGPT-3.5、ChatGPT-4 的朋友请点击数学345-ChatAI https://chat.math345.com 注册登入。
下面给大家展示下DALL-E3、MidJourney 生成的图。
在计算机中，字符可以进行大小比较，ASCCI码字符大小关系如图(ASCCI码字符大小)，和数轴类似，左边的字符小于右边的字符。而字符串由字符组成，因此简单的字符串排序方法，可以逐字符进行大小比较排序。
ASCCI码字符大小
例如 a9.txt, a10.txt, 假设按字符升序逐个排序，则排序的结果为a10.txt, a9.txt。第1个字符双方都是'a'，大小相等；由于按升序排序，第2个字符'1'排在字符'9'前面，即'1'<'9'，因此'a1'排在'a9'前面，后面就不需要再继续比较了。
ChatGPT-3.5 ChatGPT-4 的火爆程度已经不用多说了。ChatGPT 能和人自然的对话交流、写代码、翻译，回答各学科的问题，还能进行内容创作，如写小说等等。特别是 ChatGPT-4 从官方宣传的功能来看，还具有视觉功能，比如能根据你的描述生成图片，还能识别理解图片中的物体对象，以及它们的位置关系等等。
想必大家已经被震惊了，反正我是被震惊了! 于是，我们自然要问：ChatGPT 是人类梦寐以求的通用人工智能(Artificial General Intelligence AGI)吗？ 微软研究论文称ChatGPT-4 叩开了AGI的大门：GPT-4被合理地视为AGI的早期（但仍不完整）的版本。