LLM 为什么不好笑？7 分钟视频拆解三个原因
paulabartabajo_ · x · 2026-10-21
paulabartabajo 发布一支 7 分钟视频,分析 AI 模型为何难以搞笑,并提出 AI 实验室可行的改进方向。三个核心论点:
- 下一词预测扼杀意外:幽默依赖「预期违背」,而 next-token prediction 的训练目标恰恰是预测最可能的内容,天然与「意外」相悖。
- 人类对「好笑」没有共识:标注数据本身就分歧巨大,难以定义优化目标。
- 好笑不划算:训练出真正幽默的模型收益有限,实验室缺乏投入动机。
视频按预训练、中训练、后训练框架展开,末尾给出对 AI 实验室的建议。
所属事件:视频拆解大模型为何不好笑的三个原因(2 条相关)→
「模型」频道最新
- NatWest 实测:Cohere Transcribe 英音 WER 15.3% 胜 Whisper — Nils_Reimers · 2026-10-21
- 同一库写两遍：开源模型成本仅 Opus 的 1/18 — robeybeswick · 2026-10-21
- Gary Marcus 转发实测:Pangram 检测器把 2016 年人写论文判为 100% AI — GaryMarcus · 2026-10-21
- 用户出谜题刁难 AI：ChatGPT、Claude 全军覆没 — DoItYourselfMate · 2026-10-21
- Grok 语音模式好评但 $30 额度消耗快,ChatGPT 语音被吐槽卡顿 — DevDminGod · 2026-10-21
- Gemini 4 Argon 官方安全成绩与第三方实测结果对不上 — Thirumalaivasan_GJ · 2026-10-21