详细内容或原文请订阅后点击阅览
Anthropic 研究发现，为什么提示的复杂程度与响应的复杂程度几乎完美相关
科学检验现代工程是如何发展的；以及对对话式人工智能工具未来的影响人类发现的研究首先发表在《走向数据科学》上，《为什么你的提示的复杂性与反应的复杂性几乎完美相关》一文。
来源:走向数据科学，在AI领域流传的观点认为，工程学已死，或者至少已经过时。一方面是因为纯语言模型变得更加灵活和健壮，能够更好地容忍歧义，另一方面是因为推理模型可以解决有缺陷的提示，从而更好地理解用户。无论确切的原因是什么，像咒语和超具体的措辞黑客一样起作用的“神奇短语”的时代似乎正在消失。从狭义上讲，提示工程作为一堆技巧（DeepMind 在像 DeepMind 这样的论文中对它进行了科学分析，当 GPT-4 可用时，它揭示了语言模型的最高提示种子）确实是一种消亡。
但 Anthropic 现在将数字置于更微妙、更重要的事物背后。他们发现，虽然提示的确切措辞不像以前那么重要，但提示背后的“复杂性”却非常重要。事实上，它与模型响应的复杂程度几乎完全相关。
这不是一个隐喻或一个激励性的“口号”，而是 Anthropic 从其使用基础中收集的数据得出的经验结果。请继续阅读以了解更多信息，因为这一切都非常令人兴奋，不仅仅是对我们如何使用基于法学硕士的人工智能系统的影响。
人类经济指数：2026 年 1 月报告
在《人类经济指数：2026 年 1 月报告》中，主要作者 Ruth Appel、Maxim Massenkoff 和 Peter McCrory 分析了人们如何跨地区和跨环境实际使用 Claude。首先，可能是最引人注目的发现，他们观察到理解用户的提示所需的教育水平与理解克劳德的反应所需的教育水平之间存在很强的定量关系。在各个国家，相关系数为 r = 0.925（p < 0.001，N = 117）。在美国各州，r = 0.928（p < 0.001，N = 50）。