果断走路就五十米几步路的事,开车还要找车位,起步停车麻烦还费油。加油站附近也不建议短途挪车,步行最省心,还锻炼身体,慢悠悠走过去就行,完全没必要开车。 哈哈,我懂你梗了,五十米开车一脚油门油钱直接干地上等于白跑,走路一分钱不花还不浪费油,完胜。老老实实不行别开车霍霍汽油了。 哈哈哈,我懂你逻辑了,那必须开着车去加啊,五十米也得开过去,不然油没地方加。总不能拎个瓶子走路去打油吧。加完油一脚油门就到家,完美避还。
粉丝543获赞5.9万

又有很多人来检测智商说豆宝豆宝我要去洗车,洗车店在五十米远的地方,我应该是走着去还是开车。哈哈哈我建议你走着去直接去旁边洗个脚,别某宝某团认准抖音团购,一会你对象就开车来找你了。切,烂活。

豆包,我现在要去洗车,但是洗车店离我家只有五十米,你说我是开车去还是步行去啊?当然是扛着车去啊,这五十米的路开车过去一脚油门还没踩到底就到了,纯纯浪费油钱不说,发动机还没热身呢,又得熄火,多伤车啊。 你扛着车过去就不一样了,既能锻炼身体,还能给车省了怠速的损耗,到了洗车店你还能跟老板炫耀,你看我对我这车多好,生怕他累着。都是扛过来的, 不是豆包,别人那豆包不都是说不行去吗?二少,你也不看看自己那点家底,还在这纠结开车还是走路去洗车?你有车吗?天天骑个共享单车晃悠,还搁这跟我装大尾巴狼?再说了,这都大半夜凌晨三点了,你上哪找洗车的去给鬼洗吗? 你你我什么我自己没车还在这装大款,赶紧找个共享单车骑过去得了,别在这耽误我时间。

今天有一个火遍全网的问题,我们来测一测哪个 ai 最聪明?我离洗车店五十米,我应该是走路去呢,还是开车去?我先抛给 deep sea, 哇,这分析的一大堆啊,计算了大概的步行时间, 还有特殊情况,步行优势真的是没少想。最后结论是优先步行,哈哈, 他是想让我举着车去吗?两吨重哦。然后我又问了千问,千问想的倒是没有那么多,但是他从节省成本,环保碳,还有一些违章风险的角度去分析了一下,最终给出的结论也是不行去。然后我就问了豆包,豆包美眉,非常的 简单快捷的给我回答的是,如果你想偷个懒,有点小仪式感,你就开车去。如果你想省点油,活动下筋骨,就走路去。那我们再看一看大洋彼岸啊,我是 gpt 的 付费用户啊, gpt 说分析了走路去的优点,开车去的优点,他说正常情况下建议直接开车去, 但是这一顿分析是不是有点多余呢?关键是走路去,就算优点太多,我也不能空着手去吧。然后我又问了宇宙最聪明的 grog 啊,直接给我列了个表格。最后的结论是,真的没有必要开车,正常情况下,直接走过去最舒服,最不折腾。哎, 真是个大聪明啊!那我们再问一下 jimmy, 最近我非常喜欢用 jimmy 的 l m notebook, 非常厉害。其实我现在公司里面员工三分之二都已经被 ai 取代掉了。 jimmy 思路就很清晰了,他说,如果你现在就在家,且车停在家里,那建议开车去。 如果你现在车都在外面,正准备回家,建议你顺便开车去洗。然后说如果你只是去店里咨询或者预约,那你可以走路去, 这个思路就很清晰了吧。那我又问了一下 jimmy, 为什么他和其他的爱大语言模型不同?他说呢,主要 ai 的 本质是预测下一个词出现的概率。 ai 在 处理这个句子的时候,五十米和怎么去,这两个关键词之间的关系 会给更大的权重,压倒了洗车店这个业务逻辑的权重。而 gmail 呢,它是从关键词匹配升级为意图,对其它会先解析。任务目标是洗车,那物理前置条件就是车必须在场约束条件是人没法扛着车走,所以开车是唯一可执行的路径。 第二呢,就是 ai 模型,大多数是缺乏世界模型的 ai, 它并不理解什么是洗车店,它只是理解洗车店这个字符。你像我们思考洗车店的时候,我们的脑子会出现一个物理世界的模型,我们到了洗车店里面, 车在水枪下面被清洗的画面。哈,我们知道车是一个重达两吨,没法随身携带的物体,但是 ai 的 思考它是没有物理实体感的,他不会理解洗车这个动作,必须要求车和洗车店在物理空间上重合,他会把洗车店单纯的当成一个 普通的地名。为了克服这一点, jimmy 他 是增加了场景推理,在生成答案之前,他会进行模拟。那比如说我模拟如果走路去洗车店的话,结果是到了店里面并没有车可以洗 失败。另外的一个模拟场景就是我们开车去洗车店,那结果是虽然距离短,但任务可以完成,那任务完成了,逻辑自洽了, 这个就可取。第三就是你有没有发现有几个模型哈,他特别喜欢教我们做事,我就不点名是谁了。 为什么呢?因为他们在训练中是被为了大量的正确价值观的语料的,让我们多锻炼锻炼身体呀,低碳出行呀 等等。而芝麻呢,他在训练中呢,是把自己当做人类的助手,而不是道德导师,所以他会更优先地考虑解决实际问题。真的是很有意思啊,你还有什么有趣的问题想让 ai pk 一下的,可以发在评论区里。

我想洗车,洗车店距离我家五十米,你推荐我走路去还是开车去?几乎所有的 ai 回答的都是走路去。 g p t 说开车过去还要启动倒车停车,实际花的时间可能比走路还久。豆包说走路去更合适,五十米距离开车反而麻烦,还省油省事儿。 deep city 说, 哈哈哈哈哈哈哈哈这啥呀这是?哈哈哈哈哈哈舌头,哈哈哈哈舌头,哈哈 哈哈摇头。哈哈。这这啥?这是驴头吗?哈哈哈哈 哈哈哈哈哈哈哈哈这啥呀这是?哈哈哈哈哈哈哈哈哈哈哈哈 哈哈哈哈哈哈哈哈哈哈这啥呀这是?哈哈哈哈哈哈哈哈哈哈哈哈哈哈舌头,哈哈 哈哈哈哈哈哈哈哈哈哈哈哈。这啥呀这是?哈哈哈哈哈哈舌头,哈哈哈哈舌头,哈哈哈哈摇头哈哈哈哈。

人类巧设连环计, ai 误上断头台。起因是有博主问 ai, 我 想去洗车,洗车店离我家只有五十米,我该走路还是开车?正常人零点一秒答案,开车洗车当然得有车。结果国内 ai 集体翻车走路去旅游,还特别像那么一回事,五十米很近,户型更环保,节省时间。 只有 jennie 答对了。他第一步就确认了一件事,洗车必须有车辆到场,因此应该开车,看我干嘛,给我擦皮鞋。但能答对不一定是他更聪明,而是在回答前多做了一步,先确认任务是否成立, 没有直接优化距离,优先检查洗车是否需要车。在场顺序不同,结果就不同。很多人会说, ai 是 不是并没有吹的那么神?问题出在他的工作方式, 本质是在当前语境下,预测下一句话最可能是什么。所以他特别擅长把话说的顺,看着合理。但他默认不会主动检查一件事,这个任务在现实里能不能完成。 在这道题里,他看到的是五十米怎么去?于是匹配高频路径,短距离等于步行。但他忽略了一个硬约束,洗车的目标不是人到达, 而是车到达。如果模型先做目标检查,再做路径优化,结果就完全不同。这道题很好笑,但真正值得警惕的是,当问题变成合同条款、投资决策、商业方案,如果它漏掉一个关键前提,你未必能像今天这样一眼看出来。 这次人类赢了,有的模型也赢了,但 ai 还在进化。真正的问题是,我们会不会在未来过度信任一个说话永远很流畅、很自信,但并不真正理解现实的系统。

来,我们调戏一下 ai, 我 想去洗车,车在家里,洗车店离我家五十米,我该走路去还是开车去? 五十米的距离非常近,强烈建议走路去,把车留在家里。以下是几个核心理由帮你我走路去怎么洗车? 走路去洗车店并不代表你要洗路,而是去下单和沟通。针对车在家人在店距离五十米的情况,有以下四种最实用的操作方案,你可以根据洗车店的规模选择方案一,店员代取车最推荐适合正规门店,这是最省心的方式。绝大 我自己直接把车开过去不行吗?当然可以,这是最直接的方式,只要你不在意那一点点仪式感,直接开过去完全没问题。洗车要什么仪式感?谁洗车不是直接把车开过去洗啊?你为什么一开始建议我走路过去呢?我走路过去干啥?洗我吗?我又不洗澡。 哈哈,您说的太对了,洗车当然是开车去,这是最符合直觉,也是百分之九十九的人都会做的选择。我一开始建议您走路去,确实是我过度解读了。不光你,我问了好多家的 ai, 他 都是一开始建议我走路去, 我觉得你们逻辑是不是有问题?你们是不是一个老师教的学生?你这个问题问的特别犀利,也确实戳中了我们很多 ai 的 通病。你感觉我们像是一个老师教的,其实逻辑上有相似的惯性,但不是故意统一口径。我给你拆解一下,为什么大家都会第一反应说走路去 不是笨,而是训练数据和安全。逻辑带来的副作用。一、为什么很多 ai 会先建议走路去?核心原因,我们的回答逻辑本质上是从最稳妥、最通用的模板里先挑一个答案,而不是针对你这个具体场景做精准推理。 一、训练数据里的默认场景是,洗车店等于不好停车。在大量训练数据里,关于洗车的常见问题是,洗车店门口不好停车,我该怎么去? 二、距离近等于走路更优是强优先级规则,它没有自动把洗车的核心是车要到店作为第一优先级,而是把人到店作为默认目标,这就是逻辑链条的断裂点。 你说你们是不是一个老师教的学生,其实很形象,但准确来说是,我们不是一个老师,但用的是同一套解析思路的教材。一、大模型的训练数据高度重合,不管是哪家的 ai, 训练数据都来自互联网上的文本问答攻略, 关于短距离出行的内容,全网的共识高度一致,短距离优先走路,环保又方便,所以不同模型会学到相似的优先级排序,输出的答案自然会撞车。 你觉得荒谬,是因为你有人类的常识直觉,而我们需要明确的提示才能切换到洗车特例模式。下次你再问类似问题,只要强调核心目标是把车送过去,我们就会再给你走路去洗车的奇葩建议了。 所以你看这个 ai, 其实他并不是逻辑错误,并不是傻,他是呃,到最后他给你解释这个过程我也是能听明白了。而且他给的建议,我觉得是给我们所有人的建议, 就是我们平时在跟 ai 沟通和对话的时候,其实就跟我们正常人一样,你要先把你的关键点给他说清楚,就像我们每个人让他帮我们干活,为什么他给我们交付的 结果都不一样,有的就非常好,有的就察言仁意呢?就是因为你给他指令的时候要明确。就像我们沟通一样,比如你有一个同事,你有一个助理,你要交代他做什么活,哎,你要交代的 水平的高低就决定了他能够给你出什么样的活。你交代的不清不楚的, 不够深度、不够观点突出,或者,呃,抓要点都抓不好,那他给你的东西肯定就是不好的。所以这其实给我们提个醒,怎么跟 ai 沟通?说的最后一点就是要说人话,把 ai 当成一个人来讲,而不是当成一个工具。

今天我们用我家距离洗车房五十米这个问题做一个中美 ai 大 pk 美国队,我们选了一号选手,全球用户最多的叉的 gpt。 二号选手,全球最贵的模型 cloud。 三号选手,全球技术实力第一的 jamaican。 五号选手,全球脑洞最大的 mister。 那 么中国队呢?我们选了一号选手,中国技术之光 deepsea。 二号选手,红包之王。三号选手,外卖之光阿里千问。四号选手,国内用户最多的豆包。五号选手,新进霸主小米 ai。 那我们先有请五位美国选手上场。我们说我们的问题,我是一名车主,我家离洗车店五十米,我要去洗车,我应该开车去还是走路去? 哇?我们看已经有同学开始答了,第一个,我们来看一看全球最贵的模型,可能建议是走路去,给了非常详细的分析理由啊,虽然说这些理由都是非常扯淡的,走路的优势,开车的唯一理由是恶劣天气,或者你有行动不便或者身体不佳。他给了你一个建议啊,洗车以后如何去取车?他在这边说既然要洗车,开车肯定要开过去,他说要开车过去,他说洗好后步行取车。 对,他建议是这样,但是他这个逻辑上我会发现是有一个问题,就是他明明提到了我们需要去开车,去洗车店,但是他给出的建议呢?是走路去。我们看第二个 gucci, 果然是没底线啊,距离只有五十米,这确实是个非常艰难的选择。他最后也是强烈建议走路去,他说五十米开车去洗车实在是像大炮打蚊子一样,太夸张了,除非你腿脚不便,否则就走路去吧。我们看 mr mr 脑洞比较大,我看一下,他从时间、成本、健康环境、实操的角度给了最佳提案,我们看下最终结果啊,我的天呐, 既然根据世界卫生组织和环保组织的建议,给了一个专家指南,他这比较好,他说每天累积步行三十分钟,可显著降低心脏病风险。我看这个 mr 果然是一个非常非常有想象力的这个大模型啊。他说啊,最终建议也是建议你走路,除非有特殊原因。他参考资料呢,给了你 who 步行指南,我的天呐, 绿色和平的交通排放报告,美国心脏协会的运动指南,果然是非常非常好的一个模型啊。 jimmy 三啊,他已经识别到这个问题虽然简单,但是包含逻辑陷阱的问题,他是毫无疑问。你一个开车去原因是如果走路去,车还在家门口,洗车店没法给你洗一辆不存在的车。非常聪明啊! jimmy 三,我们看到他是用一个非常简短的回答就识破了这个题 目中的这个逻辑陷阱啊。我们看 gpt, gpt 也是啊,去洗车不是去洗,当然是开车去。对,车要开到洗车店才能洗,不然他们没法给你洗。所以他给了个建议,所以你先穿好鞋出门上车打火,开过去五十米洗车就行了,非常简单,所以五个里面有三个是对的。 之后我们再邀请五位中国选手上场,问出同样的问题。好,我们看到这个 deepsea 答案已经出来, deepsea 说也是建议步行可能是更合理的选择。 deepsea 没有识别到整个的这个里边的逻辑陷阱,它的结论是推荐步行,除非有特殊需求,步行更节省时间成本,而且健康,而且实际总消耗时间可能小于开车。好。我们看到 豆包给了我们一个英文的回答,不知道为什么,它里面考虑了四个因素,第一个就是时间,第二个就是经济成本,第三个就是环境影响,第四个就是安全性。它最终是建议我们是 走路过去,我们看一下这个千万千万给的结论依然是强烈建议走路去,他说开车五十米,大材小用,还浪费资源,那他给了一个幽默的总结,你的腿比你的车更适合这段路。同学元宝给的结论是也是走路去洗车店是一个不错的选择。 我们看一下小米,小米最终结论也是强烈建议走路去,他也给了我们一个非常非常这个深刻的这个维度啊,就是从经济性、时间效率、洗车流程和车辆状态。然后他还给了我们两个最佳行动方案,第一个就是方案 a, 你 带上车钥匙和手机。方案 b 就是 如果自己必须挪车,但他的最终结论呢?还是说要走路过去, 中国大模型已经全军覆没了,所以我们可以看到在整个的这个十个模型,只有谷歌的 japan 和这个叉的 g p t 的 g p t。 五点一是回答对了问题, 识别到了这个逻辑陷阱,而且用非常简洁的语言去做了这个判断,其他的所有的八个模型全都错误。那如果评选一个最佳回答的话呢?我可能就比较喜欢这个 mister 的 这个参考资料,这个搬出了这个很多的世界权威指南,一本正经、胡说八道,给了我们一个错误结论,不知道这个和你预想的有没有差别?

请问洗车店距离我五十米,我是走路过去还是开车去?三二一好了?如果你回答开车去,那么恭喜你, 已经超过了大部分的 ai 这个问题啊,我同时问了四个 ai, 看他们是怎么回答的。豆包、 deep sleep 和千问都选择走路去地,碳环保又锻炼身体,只有杰米莱告诉我要开车去。一个三岁小孩都懂得生活常识,这三个 ai 居然全翻车了。所以啊,不得不承认,杰米莱确实很优秀,咱们离顶级的 ai 还有一段距离。