一份LLM资源清单围观技术大佬的日常；手把手教你在美国搭建「百万卡」AI数据中心；为啥大模型做不好简单的数学计算？

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦！

1. 为啥大模型做不好简单的数学计算？从大模型高考数学成绩不及格说起

司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o)，组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试，然后由经验丰富的判卷老师评判得分。

结果如上图所示，Qwen2-72B、GPT-4o及书生·浦语2.0文曲星 (InternLM2-20B-WQX) 成为本次大模型高考的前三甲，得分率均超过70%。

但是！参与测试的所有大模型，「数学」考试都没过及格线 (90分)。根据官方披露的原因，大模型在数学考试中失分的主要原因是：

主观题回答相对凌乱，且过程具有迷惑性，甚至出现过程错误但得到正确答案的情况。
公式记忆能力较强，但是无法在解题过程中灵活引用 ⋙ 了解详细报道 | OpenCompass 公开了所有评测细节

大语言模型 (LLM) 无法对数字进行准确运算的底层原因是什么？ 这是知乎上最近讨论比较热门的话题，@张俊林、@苏剑林 等大佬的高赞回答&评论区互动，也都非常精彩！欢迎围观~

简单来说，LLM 不擅长数学运算，直接原因是 Tokenizer (分词) 的设计。（解释一下，Tokenizer (分词) 是 LLM 的核心组成部，负责将文本分割成一系列的 token。这些 token 是模型理解和生成文本的基本单元。）

使用 OpenAI 官网提供的 Tokenizer 演示工具，可以看到 GPT-3.5 和 GPT-4 大模型在计算 88888888-55555555+333333333 过程中，把本该连续的字符串分成了彼此独立的 token，丧失了数学意义，自然也就没办法进行准确的数学运算。

OpenAI Tokenizer 演示网站 → https://platform.openai.com/tokenizer

知乎问题 (高赞回答很不错) → https://www.zhihu.com/question/654932431

2. 探索 AI 辅助阅读的新可能：不要只盯着要点总结，还纠结「不全or不准」啦！

对人类来说，阅读书籍 (读书) 往往是带有某种「光环」的。大部分人能轻松接受 AI 辅助写一段话、总结一篇文章、翻译一篇论文，却对「AI辅助读书」充满担忧：它不能替代我的阅读体验，它对这个话题的回答不全面，它这里生成的内容是错的……！！

那有没有可能！这个辅助方向，它就是错的呢？！

Dan McKinley 分享了自己一次很特别的试验：看看在读书过程中 AI 能否「结合参考资料，深度探索某个观点」，俗称「读书搭子」。

事情的起源有点偶然：最近读书时偶然发现，作者就某个观点给出的索引资料，似乎不能提供很好的支持。他心血来潮，想看看最先进的大模型能否帮助自己深度探索一下。

🔔 Round 1：直接询问AI的看法

把书里这个观点 & 支持这个观点的相关引用，都提供给AI。然后，询问AI对这个索引资料的看法，包括一般性的看法 + 2个具体问题「你怎么评价这篇资料？」「你认为这篇资料能有效支撑这个观点吗？」。
结果：不太理想。AI基本上给出的都是相当正面且宽泛的评价。

🔔 Round 2：要求AI对给定的资料进行打分

为了进一步探索，作者下载了相关的所有资料，都提交给AI，并要求AI在1-10分的区间里给每篇资料的「可信任度」「对观点支持程度」分别进行评分。
结果：不太理想。几乎所有资料的得分都是 9 分或 10 分，完全没有区分度。

🔔 Round 3：要求AI对给定的资料进行排名

改变策略！既然都能拿高分，那就从排名看高低。作者要求AI对一组资料进行「可信任度」「对观点支持程度」两个指标的排名。
结果：好像可以，其实不行。第一次运行的确得到了排名榜单！但是多运行几次就会发现，这个榜单里的排名每次都不稳定，有些资料的排名似乎很随机。

🔔 Round 4：取多次的平均值

优化策略！看看多次的平均值，能否是一个稳定的平均分。
结果：还是不行。20次测试后，所有资料最终平均值都趋向于 5/10，也就是说得分像抛硬币一样是个随机分布……

🔔 Round 5：看看负面评价的排名

策略反转！既然正面评价看不出眉目，就看负面的！作者要求要求AI给出所有资料的负面评价排名。
结果：更糟糕了。

探索有点不成功 😅 不过思路还是很好的！这也提醒我们，使用AI工具时，要让它做那些我们不擅长的事情！而不是用AI替代那些人类完成度接近满分的场景，然后反过来挑剔AI不太行。

原文 → https://mcfunley.com/i-tried-to-use-ai-to-read-an-ai-book

3. 企业如何在这轮 GenAI 浪潮种获得胜利：Two ways. Gradually, then suddenly.

Two ways. Gradually, then suddenly. 这句话出自海明威经典小说《太阳照常升起 (The Sun Also Rises)》，经常被引用形容事物的一种演变规律：在很长一段时间里，发展缓慢且不易察觉，但最终会突然爆发。

这是一份企业在 GenAI 时代的生存手册，从 8 个角度，详细阐述了企业会面临的挑战、详细的解决方案以及会遇到的阻碍。日报概述这 8 部分最核心的观点，非常推荐阅读原文或者查看完整报告！

逻辑 (The Logic)：AI通过将工作任务从传统的人类服务中解绑，并重新整合进软件系统，从而转变了工作模式，提升了工作效率。
机遇 (The Opportunity)：服务即软件 (Service-as-a-Software) 这一概念为企业提供了将复杂工作流程转化为软件解决方案的机会，开辟了创造新竞争优势的可能性。
企业环境 (The Enterprise Context)：在2024年的企业环境中，性能的重要性超越了单纯的创新。企业需要深刻理解当前商业环境的要求，并探索如何利用AI技术来提升企业级性能。
工作流捕获 (Workflow Capture)：捕获整个工作流程，而非单一任务的自动化，是企业AI成功的关键。这涉及到将工作流程从人工服务转变为软件驱动的过程。
商业模式优势 (Business Model Advantage)：工作流的捕获为企业带来了新的商业模式优势，即基于服务性能的收费模式，这与传统的基于产品销售的模式形成了鲜明对比。
挑战与威胁 (Challenges and Threats)：AI技术的快速发展带来了不连续性的改进，为企业带来了新的挑战和威胁。企业必须适应技术环境的快速变化，并准备应对新兴的竞争者。
竞争优势与企业账户扩展 (Competitive Advantage and Enterprise Account Expansion)：企业需要构建防御机制，形成护城河，以抵御新兴竞争者的冲击，并利用AI技术来扩展其账户和市场份额，这包括对关键工作流程和决策点的控制。
胜者与败者 (Winners and Losers)：企业AI的成功最终取决于企业适应AI技术发展的能力，以及它们是否能够利用这些技术获得市场竞争优势，并在市场中确立领导地位。

详细介绍 2 个文章提到的重点概念或实现路径。原文/原报告中此类信息很多，感兴趣拉到下方获取链接~

↑↑↑ 工作的拆解与重组

工作由一系列任务构成，这些任务既可以由人类服务完成，也可以由软件来执行。

GenAI 能够将工作分解为具体任务，并将这些任务重新组合为软件。这会显著改变企业的工作模式。

↑↑↑ 服务主导 → 软件主导

顺着上面一条说，企业工作模式的改变，会导致内部工作流从「服务主导」转向「软件主导」，也就是关键知识和管理工作，被AI接手了。上图分五步展示了这个过程：

服务主导的工作流：初始阶段，工作流主要依赖人类决策和手动操作，软件用于更简单的任务 (如数据处理或自动化)。
分解：AI执行特定任务的能力不断提高，工作流一步步被优化，逐步减少对人类手动工作的依赖。
组件化：把AI正式纳入当前工作流，而且某些特定任务被组件化，完全成为可被调用的软件模块。
重新组合：将工作流进行重新组合，按照新的决策序列完成重组。
软件主导的工作流：重组之后会出现一个软件主导的工作流，能更高效地执行任务。

原文 → https://platforms.substack.com/p/how-to-win-at-enterprise-ai-a-playbook

前往知识星球下载完整报告 (48页/英文) → https://t.zsxq.com/Lj4s1 资源编码【R270】

4. AI 项目失败的 6 个血泪教训：还是要尊重商业常识

我们在之前的日报，都在聊 AI 创业怎么成功。 👉 这期聊了如何获取创业 idea 👉 这期聊了AI应用的几种设计模式 今天来聊一些失败的经验教训。

🔔 问题定义不明确

教训：许多AI项目失败，是因为没能有效解决实际的商业问题。企业往往对新技术趋之若鹜，却忽略了先明确一个商业目标。
经验：从基础评估着手，确定需要解决的商业问题；与客户和员工深入交流，进行利益相关者访谈和市场分析，通过原型或试点项目进行迭代验证，并咨询AI领域专家等。

🔔 与现有系统的整合不充分

教训：到了实施阶段才发现，新的AI解决方案没办法与现有的操作系统进行无缝集成。主要原因是低估了这件事的复杂程度。
经验：一定要制定周密的集成计划，确保AI解决方案与现有软件协同工作，并确保用户在项目早期就参与进来。

🔔 需求收集不准确和缺乏成功指标

教训：战略规划还不充分，就急于实施AI。
经验：采取分阶段的方法，包括全面评估、概念验证 (PoC)、探索阶段，以确保项目与业务目标一致，并建立清晰的绩效指标。

🔔 对潜在风险认识不足

教训：随着AI的广泛应用，相关风险也在增加。
经验：制定包含风险评估的明确路线图，识别潜在风险，实施控制措施，并持续监控。

🔔 缺乏行业专业知识

教训：选择没有特定行业经验的AI技术供应商，可能导致项目面临重大挑战。
经验：优先选择在某行业中有成功案例的AI技术合作伙伴，确保他们了解并遵守相关行业法规和标准，并进行紧密的协作开发。

🔔 公司内部人员准备不足

教训：AI项目的成功不仅取决于技术设置和业务规范，还依赖于使用系统的人员的准备情况。
经验：提高员工对AI的认识，让他们参与实施过程，将AI目标与部门 KPI 联系起来，让员工参与软件测试，并提供持续的培训和支持。

原文 → https://dlabs.ai/blog/key-reasons-why-ai-projects-fail-and-how-to-avoid-them/

5. 手把手教你在美国搭建「百万卡」级别的 AI 数据中心 (bushi

我们在之前 👉 这期日报 整理过一期超棒播客的要点，即AI爆发导致的能源问题 & 解决方案，其中就提到美国高科技公司正在大规模建设 AI 数据中心。

这次！更内部和专业的分享来了！非常详细地介绍了 AI 数据中心的组成部分、当前在美国面临的严重电力限制、数据中心的关键评价指标 (能源效率和可靠性)、数据中心未来的发展趋势……

而且！文章细节非常丰富，各种数据和报告超链接咔咔甩，的确是非常专业。日报整理部分新内容，感兴趣强烈推荐看原文哦~

🔔 数据中心的组成要素

数据中心，这个词指的是一个简单的基本结构：一个包含计算机或其他IT设备的空间。

不过，我们所认为的现代数据中心，是专门建造的巨型建筑，用于容纳成千上万台被堆叠在大型机架上的计算机，以及其他操作它们所需的设备，如网络交换机、电源和备用电池等。

数据中心消耗了大量电力，意味着数据中心需要大型变压器、高容量的电力设备，如开关设备，有时甚至需要一个新的变电站来将它们连接到输电线路。这也意味着数据中心有超高的散热需求，也就需要同样强大的设备来迅速将热量排出，并通过庞大的冷却循环系统完成循环。

🔔 电力使用效率 PUE

数据中心的一个常见性能指标是电力使用效率 (PUE) ，即数据中心消耗的总电力与IT设备消耗的电力之比。比率越低，用于运行计算机之外的事物的电力就越少，数据中心的效率就越高。

如上图所示，数据中心 PUE 随着时间的推移稳步下降，如今平均PUE已降至 1.5 左右。而且超级数据中心做得更好：Meta 平均数据中心PUE仅为1.09，Google 也在 1.1 附近。

PUE 数据得以改善的原因，是使用了更高效的组件 (例如具有更低转换损失的不间断电源系统) 、更好的数据中心架构 (改为热通道、冷通道布局) 以及在更高温度下运行数据中心以减少冷却需求等等。

🔔 数据中心可靠程度层级

大型数据中心可能服务于数百万客户，服务中断会轻易造成每分钟数万美元的损失。因此数据中心被设计为最小化停机风险。

如上图所示，数据中心的可靠性根据分层系统进行评级，从Tier I 到Tier IV，等级越高表示可靠性越高。大多数美国的大数据中心位于Tier III和Tier IV之间。它们拥有备份柴油发电机、防止单点故障的冗余组件、电力和冷却的多个独立路径等。

Tier IV数据中心理论上将实现99.995%的正常运行时间，尽管实际上人为错误往往会降低这种可靠性水平。一个2N冗余电源系统，其中每个电源组件 (公用事业供电、发电机、UPS等) 都有完整的备份。

原文 (其他话题也解释得非常详细，包括AI数据中心得全球选址、英伟达芯片的发展方向、冷却方式的进一步进化等) → https://www.construction-physics.com/p/how-to-build-an-ai-data-center

6. 一份技术大大的「LLM 资源清单」：从入门到入行，从上手到上道

这份 LLM 主题的资源清单有点不一样！它出自一位技术同学之手，非常全面地反映了一位 AI 开发者的日常：

🛠️ Projects 做项目
📺 Youtube channels 看油管
📚 Books/Textbooks/Blogs 看书/文档/播客
🪐 Important projects you should probably be aware of 跟进重大项目进展
⏰ Projects I need to try 试试新项目
👨‍💻 Discord servers 社交
👨‍👨‍👦‍👦 Meetup groups 社交
📝 Research Papers 读很多很多很多论文
🧰 Tools, Libraries, Platforms 工具库
✅ Trusted sources 逛各种更新

清单有点长，日报选两个有趣、通用的介绍一下。都是国外的资料，感兴趣可以前往原文获取超链接~

🔔 YouTube频道

CGP Grey：作者最喜爱的频道之一，这条「How AIs, like ChatGPT, Learn」视频被作者认为是AI领域的最佳入门视频。

Computerphile：与 Numberphile 和 Sixty Symbols 一样，都是由 Brady Haran 创建的视频频道。推荐 Mike Pound 和 Robert Miles 的视频，可以帮助打开数据科学、机器学习和人工智能的大门。

Robert Miles：创作者是一名AI安全研究员，他的 GPT-2 和「Attention is all you need」论文解读视频，对作者的影响尤其深远。

3Blue1Brown：最佳的数学教育资源，特别是线性代数和神经网络系列。

Andrej Karpathy：大佬的「zero to hero」播放列表，为语言模型的普及教育做出了非常重要的贡献。

Machine Learning Street Talk：技术播客，采访了机器学习领域各种各样的从业者，非常有趣。

Dwarkesh Patel：目前最受欢迎的播客节目，对话式的播客格式，还有对AI主题的深入探讨。

Yannic Kilcher：主要阅读优秀的机器学习论文阅读，Discord 社区也很活跃。

Linus Lee：Notion AI负责人，可以通过他的演示来关注未来 UX 设计的变化，尤其是与模型的交互方式。

🔔 工具、库和平台

Ollama：一个允许在本地运行大型语言模型的工具，使用Go语言编写，并通过cgo与llama.cpp交互。

Hugging Face：一个共享机器学习模型的平台，提供了丰富的教程和社区支持，可以看作是机器学习领域的GitHub。

Langchain：提供了代理协调功能，但作者计划将来可能会使用Swarms替代，因为Swarms提供了更优秀的多代理协调。

Perplexity：一个搜索引擎，提供了比传统搜索引擎更清洁的搜索结果，没有广告干扰。

cursor.sh：Visual Studio Code的一个分支，集成了更强大的AI功能，特别是对于代码生成和理解。

Google AI Studio：提供了低廉的按令牌成本和更优化的代码生成界面，作者认为它在生成代码方面优于标准界面。

Arc Browser：一个浏览器，具有AI搜索功能和直接访问ChatGPT的选项，极大地提升了作者的浏览体验。

Google scholar chrome extension：一个浏览器插件，可以方便地查看论文的参考文献，通过悬停元素直接链接到引用的论文。

Myst：一个工具，用于制作精美的Jupyter笔记本，可以导出为PDF等格式，作者考虑将其用于代码相关的博客文章。