ARTICLE
文章
全部AI写作人工智能关于本站建站与写作技术未分类算法与数据结构系统运维软件开发#AI写作#AI编程#Codex#Git#Hugging Face#LLM#LeetCode#Linux#LoRA#RLHF#Transformer#Transformers#个人记录#全栈开发#写作#博客#启动流程#回溯算法#大语言模型#密码恢复#强化学习#提示词#模型对齐#模型微调#模型训练#注意力机制#版本控制#现实问题#站点生成器#站点记录#系统维护#自然语言处理#静态网站
为什么AI味文章让人不舒服
文章探讨AI生成的文章为何让人读着不适。作者列举常见问题：「不是A，而是B」的转折没有推翻任何预期、没有信息量；比喻没有目的、修饰词空洞；信息密度低，说了很多却什么都没说；文本过度平滑，缺少真人写作的「毛边」。作者认为，这种不适是对「无人在场」的察觉——没有要纠正的误解、没有要表达的观点、没有真实感受过的经验；并主张除用AI润色稿件外，把AI产出的内容直接交给读者是极不尊重读者的行为。
什么是Transformer？
本文从自然语言处理的基本思路讲起，说明 RNN、LSTM 因串行处理而存在并行能力不足、长距离信息易被稀释的问题，并介绍 2017 年《Attention Is All You Need》提出的 Transformer。文章解释了注意力机制中的 Query、Key、Value 与多头注意力，以及为弥补顺序信息而加入的位置编码；随后介绍编码器—解码器结构、残差连接与层归一化，以及 BERT、GPT 等不同路线，并总结 Transformer 在并行、全局视野和可扩展性方面的优势。