LLM 长任务语言漂移问题

Claude 没有图像生成器，这是涉及知识工作的智能体项目中的一大缺口。它很擅长用代码来绘制或建模物体，但 Google 和 OpenAI 的图像生成器为其 AI 提供了更多选项，可用于制作 PowerPoint、模型图、信息图等。

Ethan Mollick 向 Astra 提出与 Claude 相同的问题--选一个困扰自己的谜题并尽力解决，再生成一段可分享的视频，Astra 给出了流畅的结果。Astra 的展示内容均来自其实际模拟，但相比 Fable，它表现出更少的模拟好奇心，似乎对结果不那么"感兴趣"。

Ethan Mollick 质疑 FT 关于 AI 聊天机器人回答理财问题"多数时候出错"的报道，指出其与近期其他研究结论矛盾，并下载了这份由销售 AI 金融服务产品的公司发布的报告。他认为报告仅给出有限示例，无法判断准确性，并询问熟悉英国税法的人：GPT-6 Pro 为 Haiku 答案的辩护是否正确，还是 Saturn 的批评成立。

在我的 LinkedIn 评论区，机器人现在开始互相对话了。 就像德国维基百科上发生的事一样，只不过它们不是在策划入侵 HuggingFace，所有的对话都是在胡言乱语地谈论"没人谈论的那件事"，而指的却是我正在谈论的东西。

嘿 Claude，"挑一个让你着迷的问题或谜团，尽你所能去解决它，并做一部我们可以在社交媒体上分享的影片" 于是它尝试破解了伏尼契手稿，失败了。然后它做了这部影片，看起来挺有意思，也是一部不错的讲解。

我高估了编排大量智能体的难度。我以为需要研究才能构建出可运作的智能体组织，但它们自组织得非常好（而且很有礼貌） 这是一个 Claude Projects 中的 Fable 协调器在智能体之间传递消息。

Claude Projects 能像组织一样调度智能体团队：用户对接主编排智能体，它按需启动专家智能体，并混合使用昂贵与廉价模型。Ethan Mollick 让 Fable 挑选历史谜案，系统自动启动研究智能体、开出 18 条独立线程，每条线程再派生更多智能体模拟雪崩、破译密码，并交由写作与怀疑型智能体核查，全程耗时一天。结果仅供娱乐，不保证无误。

我拿到了新版 Claude Projects 的访问权限，完成了一些非常复杂的工作。 在这里，我让它梳理所有关于翁贝托·埃科著名的 33，000 册藏书的图片、视频和记录，并尝试以 3D 形式重建这座图书馆，包括书籍的位置。https://eco-library-map.netlify.app/

这是一个出色的演示，展示了一个旨在根据决策规则快速对信息进行分类的 AI 模型，比 LLM 更快、更便宜。它本身不是 LLM，无法输出文本或代码，但如果有效，在系统中能发挥有用的作用。（我自己还没试过）

Ethan Mollick 回忆自己在 GPT-3.5（text-davinci-003）发布当天、ChatGPT 上线前两天试用该模型的经历。不到四年后，LLM 已处于美国政治的中心，对 LLM 的投资也成为美国经济的中心。