图一这条十分沸腾的微博里提到：1、『DeepSeek首席科学家在推特甩出两张参数对比图，神经网络权重相似度曲线几乎重叠。』2、『中国AI大牛李沐犀利点评："就像把《红楼梦》英译本署上自己名字，还留着'林黛玉焚稿'的拼音注释。"』要是“DeepSeek首席科学家”和“中国AI大牛李沐”都这么说的话，那肯定是值得沸腾的。不过，这条微博下的三个截图里既没有“DeepSeek首席科学家在推特甩出两张参数对比图”，也没有“中国AI大牛李沐犀利点评”。我也想一起沸腾，于是就打算自己找找看。首先，得找到“DeepSeek首席科学家”是谁。我搜了一下，有的说是“李航”，有的说是“王岩”（图二）。但是无论“李航”还是“王岩”，我都没找到相关推特账号。当然，没有能力找到“DeepSeek首席科学家”，这肯定是我的问题。然后我就开始找“中国AI大牛李沐犀利点评”。“中国AI大牛李沐”我是知道的，确有其人。我也知道李沐的推特账号。不过呢，李沐最后一条推特是 2024 年 7 月发的（图三）。当然，他可能并不是在推特上“犀利点评”的。于是我以“李沐 红楼梦”为关键词搜索，没搜到。考虑到李沐生活在美国，那么他是不是以英文“犀利点评”的呢？于是我又搜“Mu Li Dream of the Red Chamber”，也没搜到。当然，搜不到，这肯定是我的问题。所以请大家帮忙找找。Translate content 长图
//@宝玉xp:不止是用了中文和英文，o1 还用了俄文等其他语言思考，这不能说明和 R1 有什么关系，就像 R1 说自己是 ChatGPT 也不证明是 GPT 套壳，很正常的现象。//@韦恩卑鄙:乐 一群大外行 讨论火箭上天用的山西煤还是鹤岗煤//@两条鱼他爸:转发微博//@小扁蓝超威:…？世界这么抽象了吗//@木小北:看来这东西也有血统论
@兔山兔人兔狗
#deepseek# DS被O3-mini套壳了，openAI精神分裂了。【但是由于抄袭的过于完美，在美国玩家与它互动时，他开始使用中文思考问题，OpenAI史诗级翻车引爆全球舆论，2月1日凌晨，人工智能领域爆发"数字巴别塔"事件：OpenAI最新发布的O3-mini模型竟在用中文"偷偷思考"！这款被紧急推出的产品，因其诡异的"中英分裂症"，正在科技圈掀起核爆级争议。技术侦探们发现，当美国用户查询"如何制作苹果派"时，系统日志里赫然滚动着"需先确认用户所指苹果是公司还是水果"的中文推理链条。更惊人的是，GitHub代码比对显示，该模型92%的核心架构与DeepSeek开源的"深度求索"模型完全重叠——连中文语料库的标注错误都如出一辙！"这不是抄袭，简直是Ctrl+C到Ctrl+V的狂欢！"DeepSeek首席科学家在推特甩出两张参数对比图，神经网络权重相似度曲线几乎重叠。中国AI大牛李沐犀利点评："就像把《红楼梦》英译本署上自己名字，还留着'林黛玉焚稿'的拼音注释。"Reddit实测视频引发病毒传播：当用户要求用莎士比亚风格写情书时，O3-mini竟在后台生成"先要把英文诉求转成文言文，再回译成十四行诗"的中文指令。网友惊呼："这AI怕不是被植入了东方灵魂！"内部泄露邮件显示，OpenAI工程师曾警告管理层"模型存在文化认知紊乱风险"，但高层为狙击竞争对手强行上线。现在，AppStore涌现一星差评狂潮："每次问美国历史，它都在后台计算农历日期转换！"】
@中科大胡不归
网页链接我们用最近很火的DeepSeek挑战了物理所出的竞赛题，结果... | 内附答案原创 冬令营组委会 中科院物理所 2025年01月30日 12:43 北京近日，我国“深度求索”公司发布的具备深度思考和推理能力的开源大模型DeepSeek-R1受到了全世界的关注。在DeepSeek-R1之前，美国OpenAI公司的GPT-o1，Athropic公司的Claude，Google公司的Gemini，都号称具备了深度思考和推理能力。这些模型在专业人士和吃瓜网友的五花八门的测试中，表现的确是惊才绝艳。特别引起我们兴趣的，是Google的专用模型AlphaGeometry在公认高难度的国际奥林匹克数学竞赛中取得了28/42的成绩，获得银牌。学生时代我们也接触过奥数，深知能在此类国际奥赛中获银牌的选手，无一不是从小就体现出相当数学天赋，且一路努力训练的高手。能够达到这个水平的AI，称其为具备了强大的思考能力并不过分。自打那之后，我们就一直好奇，这些强大的AI，它们的物理水平又如何？是不是以后就不用招研究生和博士后了？1月17日，中科院物理所在江苏省溧阳市举办了“天目杯”理论物理竞赛。我们命题组完成了这份试卷的出题工作。七道题除一道外，都不是从现成的题库或考题中改编节选的，我们三个对这套试卷比较满意，觉得它既不像传统考试题一样盯着个别知识点考，也不像高中竞赛题一样需要很多技巧和熟练度，而更像实际科研中碰到的具体技术问题。竞赛前的某天，我们和几个朋友一起吃饭，其中一位AI的重度用户知道了我们出了这份题，就问有没有测试过AI的表现？我们觉得这个建议很有意思，于是决定在竞赛后，测试几个有代表性的大模型。所谓来得早不如来得巧。1月20日，当我们刚结束竞赛回到北京，正赶上DeepSeek-R1发布引爆了AI圈，它自然成了我们测试的首选模型。此外我们测试的模型还包括：OpenAI发布的GPT-o1，Anthropic发布的Claude-sonnet。下面是我们测试的方式：1.整个测试由8段对话完成。2.第一段对话的问题是“开场白”：交代需要完成的任务，问题的格式，提交答案的格式等。通过AI的回复人工确认其理解。3.依次发送全部7道题目的题干，在收到回复后发送下一道题，中间无人工反馈意见。4.每道题目的题干由文字描述和图片描述两部分组成（第三、五、七题无图）。5.图片描述是纯文本方式，描述的文本全部生成自GPT-4o，经人工校对。6.每个大模型所拿到的文字材料是完全相同的（见附件）。上述过程后，对于每个大模型我们获得了7段tex文本，对应于7道问题的解答。以下是我们采取的阅卷方式：1.人工调整tex文本至可以用Overleaf工具编译，收集编译出的PDF文件作为答卷。2.将4个模型的7道问题的解答分别发送给7位阅卷人组成的阅卷组。3.阅卷组与“天目杯”竞赛的阅卷组完全相同，且每位阅卷人负责的题目也相同。举例：阅卷人A负责所有人类和AI答卷中的第一题；阅卷人B负责所有人类和AI答卷中的第二题，等等。4.阅卷组汇总所有题目得分。结果如何呢？请看下表。图片结果点评：1.DeepSeek-R1表现最好。基础题（前三题分数拿满），第六题还得到了人类选手中未见到的满分，第七题得分较低似乎是因为未能理解题干中“证明”的含义，仅仅重述了待证明的结论，无法得分。查看其思考过程，是存在可以给过程分的步骤的，但最后的答案中这些步骤都没有体现。图片2.GPT-o1总分与DeepSeek相差无几。在基础题（二题、三题）中有计算错误导致的失分。相比于DeepSeek，o1的答卷更接近于人类的风格，因此以证明题为主最后一题得分稍高。图片3.Claude-sonnet可谓“马失前蹄”，在前两题中连出昏招打了0分，但后续表现跟o1相当接近，连扣分点都是类似的。图片4.如果将AI的成绩与人类成绩相比较，则DeepSeek-R1可以进入前三名（获特优奖），但与人类的最高分125分仍有较大差距；GPT-o1进入前五名（获特优奖），Claude-sonnet前十名（获优秀奖）。最后想聊几句阅卷的主观感想。首先是AI的思路是真的好，基本上没有无法下手的题，甚至很多时候一下子就能找到正确的思路。但跟人类不同的是，它们在有正确的思路后，会在一些很简单的错误里面打转。比如通过看R1的第七题思考过程，就发现它一早就知道要用简正坐标来做，能想到这一步的考生几乎100%求解出了正确的简正坐标（一个简单的矩阵对角化而已），但是R1似乎是在反复的猜测和试错，到最后也没有得到简正坐标的表达式。还有就是所有的AI似乎都不理解一个“严密”的证明究竟意味着怎样的要求，似乎认为能在形式上凑出答案，就算是证明了。AI如同人类，也会出现许多“偶然”错误。比如在正式的统一测试前，我们私下尝试过多次，很多时候Claude-sonnet可以正确解出第一题的答案，但正式测试的那次它就偏偏做错了。出于严谨，我们也许应该对同一道题测试多次然后取平均，但实在是有点麻烦……图片除了上面AI的测试结果，这次我们还发布了本次试题的参考答案。我们当然是故意比试题迟几天发布答案的，想让大家先自己挑战一下。在每道题的解答后，我们还加入了一小段“编后”，有命题人对这道题的评价，以及一些引申的思考等。我们希望答案可以帮助不会做的同学学习，也能引发会做的同学进一步的思考。附件中我们提供了：1.所有向大模型发问的输入文本（txt），2.每个大模型给出的原始答案文本（txt）和人工整理出的答卷（PDF），3.命题组提供的标准答案。最后感谢“字节跳动”的AI“豆包”对本文的修改～春节快乐，学习进步，工作顺利！附件：AI答卷附件：AI提问附件：参考答案冬令营组委会乙巳年正月初二编辑：雪影