|
7.5.2025 周六晚上看书。 金岳霖写实在太好，很多问题一针见血： 写中国哲学史就有根本态度的同题。这根本的态度至少有两个：一个态度是把中国哲学当作中国国学中之一种特别学问，与普遍哲学不必发生异同的程度问题；另一态度是把中国哲学当作发现于中国的哲学。 7.6.2025 周日。 金岳霖实在太厉害了，很多问题想不通的看他的书豁然开朗。写的太好了！ 今晚睡前又把前面论文改改。明天上午去修车，下午写镜像性部分。 明天的论文强度不大，镜像性、杀熟、脆弱。 7.7.2025 今天好累啊，上午开车修车，下午写论文。不过虽然累，也产出了1000字高质量，虽然这一小节还没写完，但是太累太困了。我要洗澡睡觉了。 睡醒就是写：把这一节逻辑理顺之后快速收尾，思路就按照桌面上放着的思维导图。再简单看一下论文，简单思考一下杀熟、信任的脆弱性、媒体信任三者之间的关系，顺理成章地写完（因为信任脆弱性只是一种描述，并不必然导致不信任，只能说，媒体信任因为其脆弱性更容易被破坏，那么其实只要回答脆弱性和杀熟之间的关系即可）。 *有必要的地方记得参考学姐和喻国明的论文（不过感觉看了好像也帮助不大，没什么启发。现在主要不是多看论文的问题而是把思路理顺的问题。就差临门一脚，解释清楚杀熟现象和信任脆弱性之间的关系。是什么呢？是什么呢？是什么呢？） *上午把论文快速收尾之后，相当于第三部分大半部已经写完，要把参考文献的各式统一快速改好。 *如果都搞完了，晚上有时间的话构思一下下面的内容，构思完三天写完重建。彻底疯狂 7.8.2025 这一节快写完了，但是多读一点文章巩固一下知识面，为接下来接上来写作都好 《双重脆弱性与适度信任：从ChatGPT到Sora》还行，信任的原理分析的不深刻。 一天写完就急头白脸，两天写完就看看论文。一天有一天的搞法，两天有两天的搞法。事缓则圆。 11:29大脑突然死机。。。 11:51上午基本把这一段完善完，写的还可以，勉强完善好。 下午健身前，1.把一些短文和论文看完。2.参考文献改完。 《大模型智能体幻觉难题：成因、风险与应对_徐琦》： 在与智能体对话中，对话模型更多是在模仿数据的分布特性，而不是生成忠实于真实信息的输出。这意味着模型可能只是简单地复制或复述训练数据中的模式，而不是真正理解和生成符合实际语境的回答。 幻觉源自于模型本身固有的生成机制和知识更新困难，本质上反映了 LLM在知识存储、事实校验和逻辑推理上的固有不足，而并非应用层面设计的缺陷。 在自然语言生成（NLG）任务中，尤其是开放域对话系统中，模型被要求生成自然、流 畅且具有吸引力的对话，为了实现这一目标，模型通常允许生成多样化的回复。这些回复可能包含主观意见、闲聊内容，甚至是在缺乏精确事实支撑的情况下生成的内容。这种任务的特性使得模型在生成文本时不需要严格地与输入的源信息保持事实对齐。 同时，社会偏见也深植于社交媒体平台中，模型可能会无意中习得这些偏见，并将其传播到生成的内容中，尽管这并不完全是幻觉，但某些与性别、国籍等相关的偏见确实与幻觉密切相关。 （这段直接在新闻真实部分写入幻觉和偏见的关系，这个关系要好好唠一唠。这篇文章虽然发的期刊水平一般，但是文章质量很高。） 自回归语言模型的限制主要体现在上下文依赖的捕捉能力和注意力分散问题上，GPT 类模型（如 GPT-2、GPT-3）采用单向自回归预测（causal autoregressiveprediction），这意味着模型在生成文本时，每个词的预测仅基于其前面的词。模型可能难以理解句子中相隔较远的词之间的关系，导致生成的文本在逻辑连贯性上存在问题 [39]。序列长度的增加，模型的注意力机制可能会变得分散，导致对长程依赖的推理不稳定。 而暴露偏差则源于训练和推理阶段的不一致，导致累积性错误和幻觉的产生 [40]。在训练时，模型通常使用教师强迫（teacher-forcing）的最大似然估计（MLE）方法。简单来说，模型在生成每个词时，是基于真实的前一个词（ground-truth prefix sequences）（即人类标注的正确历史）来预测下一个词的。而在推理时，模型生成的下一个词是基于模型自己之前生成的词（historical sequences previously generated by itself）。这种差异可能导致模型在推理时生成的序列与训练时看到的序列不同，从而产生累积性错误。即模型一旦在推理过程中生成了一个错误词元（token），后续的生成内容可能会基于这个错误进一步偏离事实，形成“滚雪球”效应。这种累积性错误会导致生成的文本逐渐偏离正确的路径，最终产生幻觉 [41]。 另外，SFT 知识边界与过度拟合（Over-fitting onNew Knowledge）也会带来幻觉问题，SFT常通过人工指令让模型输出超出其原有知识边界”的内容，若模型无法有效吸收这些新知识，便可能编造事实。传统SFT 通常要求模型对每条指令都给出回答，而不鼓励模型表达“不确定”[42]。缺乏“拒答”机制（Inabilityto Reject），当用户问题超出模型掌握范围时，模型倾向于编造答案而非拒绝作答，导致幻觉频发。 在传统的强化学习中，模型通过与环境的交互来学习最优的行为策略，以最大化累积奖励。然而，定义一个合适的奖励函数往往非常困难，尤其是在复杂和多样的任务中。基于人类反馈的强化学习（Reinforcement Learning from Human Feedback，RLHF）通过人类的反馈来训练和优化模型的行为。这种方法结合了强化学习和监督学习的特点，使得模型能够更好地理解和满足人类的需求。但是即便经过RLHF 训练，即使模型内部判断某个回答可能是错误的或不准确的，模型依旧可能为了迎合评测者（humanevaluators）而输出与自身内部判断相矛盾的内容，生成一个更符合人类评测者期望的回答，以获得更高的奖励或评价，即逢迎性（sycophancy）[43]。 数据层优化可以利用利用模型编辑技术，对模型内部的知识进行修正，确保错误信息不会被固化。采用检索增强生成（RAG）方法，在生成时结合外部可靠知识库，为模型输出提供事实依据，从而减少幻觉现象。 训练层可以通过改进预训练过程，优化训练目标，减少曝光偏差，降低长尾知识和模糊概念带来的幻觉风险。在监督微调（SFT）过程中，合理设计任务和指令，使模型在对新信息的适应上不倾向于编造信息。针对强化学习自人类反馈（RLHF）阶段，调整训练策略以防止模型为了迎合评估而产生过度自信和不真实的回答。 在推理层面的解码过程中，采用事实性增强解码策略，通过控制采样温度和约束生成概率分布，确保生成内容更贴合事实。使用忠实性增强解码方法，强化模型对输入指令和上下文的忠实表达，避免逻辑或信息上的偏离。 下午看了两篇文章，晚上改格式。 引用格式注意： 译著 | [德] 黑格尔. 精神现象学[M]. 贺麟, 王玖兴, 译. 北京: 商务印书馆, 1979: 120. | 多卷书 | 陈登原. 国史旧闻: 第1卷[M]. 北京: 中华书局, 2000: 29. | 古籍 | 司马迁. 史记: 卷二十五 李斯列传[M]. 北京: 中华书局, 1959.（卷次用阿拉伯数字） | 电子书 | | 会议文集 | 牛志明, 等. 综合湿地管理国际研讨会论文集[C]. 北京: 海洋出版社, 2012. |
出版地是城市名（如北京、南京），而非省份。 标注格式：城市名: 出版社, 出版年（如上海: 上海古籍出版社, 2019） 作用：帮助读者定位文献来源，体现学术严谨性。 关键点：出版地只需写城市名（如“郑州”而非“河南省郑州市”），国外文献需补充国家名 实际操作中可借助文献管理工具（如EndNote、Zotero）自动生成符合国标的格式。 不同类型网络文章的引用示范 1. 普通网页/报告 作者. 文章标题[EB/OL]. (更新日期) [引用日期]. URL. 2. 在线期刊文章 作者. 文章标题[J/OL]. 期刊名, 年, 卷(期): 页码. (更新日期) [引用日期]. URL/DOI. 3. 学术数据库资源 作者. 文献标题[D/OL]. 保存地: 保存单位, 年份. (更新日期) [引用日期]. 数据库URL. 4. 政府/机构文件 机构名称. 文件标题[EB/OL]. (发布日期) [引用日期]. URL. 报纸文章引用格式： 根据中国国家标准《GB/T 7714-2015 信息与文献 参考文献著录规则》，报纸文章的引用格式需包含作者、标题、报纸名称、出版日期和版次等核心要素，具体规范如下： 📰 一、标准格式与结构1. 印刷版报纸（无网络来源）格式：
作者. 文章标题[N]. 报纸名称, 出版日期(版次).
要素说明： - 作者：
- 个人作者：全名（如谢希德）；
- 无作者：以新闻机构名称开头（如人民日报社）；
- 多名作者：最多列3人后加“等”（如张伟, 李芳, 王强, 等）。
- 标题：完整文章标题，不加书名号。
- 文献标识：[N]（报纸文章固定标识）。
- 出版日期：格式为YYYY-MM-DD（如1998-12-25）。
- 版次：括号标注（如(10)表示第10版）。
示例： 谢希德. 创造学习的新思路[N]. 人民日报, 1998-12-25(10). 2. 网络版报纸（含在线来源）格式：
作者. 文章标题[N/OL]. 报纸名称, 出版日期(版次)[引用日期]. URL.
新增要素： - 载体标识：[N/OL]（表示网络版报纸）。
- 引用日期：读者访问网页的日期（[YYYY-MM-DD]），必须标注。
- URL：完整网址（需长期有效）。
示例： 📋 二、特殊情况的处理1. 无明确作者· 以新闻机构名称替代作者： 人民日报社. 京津冀协同发展规划纲要发布[N]. 人民日报, 2024-06-15(1). 2. 外文报纸文章· 报纸名斜体，其他格式同中文： SMITH J. Climate Change Impacts Agriculture[N]. The New York Times, 2023-05-20(7). 3. 连载文章· 分次引用不同日期的内容，不合并标注： 王林. 城市化进程中的环境挑战（上）[N]. 中国环境报, 2024-03-10(5).
王林. 城市化进程中的环境挑战（下）[N]. 中国环境报, 2024-03-17(5). 📊 四、印刷版 vs 网络版格式对比要素 印刷版格式 网络版格式
作者 张三 张三
标题 科技创新推动产业升级[N] 科技创新推动产业升级[N/OL]
报纸名称 科技日报 科技日报
出版日期 2025-06-20 2025-06-20
版次 (3) (3)
附加项 — 💎 总结报纸文章的国标引用需严格遵循 “作者–标题[N]–报纸名–日期(版次)” 结构，核心原则包括： ✅ 完整性（作者、日期、版次缺一不可）
✅ 准确性（日期格式、版次标注需规范）
✅ 可溯源性（网络版需补充访问日期和URL） 工具推荐： - 使用知网、百度学术导出功能自动生成格式；
- 通过DOI或官方网站获取稳定链接，避免失效。
晚上十点，把第三部分目前所有的参考文献格式都搞定了，睡前写一会日记。 世人都想走最躺平的路，熟不知最躺平的路往往就是最危险最困难的，因为人人都想挤破脑袋进去。而看似最痛苦的路，最少人走的路，最适合自己的路，往往才是正确的答案。 睡前再看会逻辑学。 7.9.2025 今天写属性层面的信任重建。 白天把信任重建的可能性写了，把构思规划调整了一下。有些之前没理顺的问题理理顺。纸面工作量不大，高质量文本400字。 看看论文，看看短文。 晚上必须把第一个信任重建写一段。 晚上工作至九点半。写了一段，介绍了为什么用这三个机制。 从大模型幻觉的特征出发无法直接得到信任重塑方面的行动结论，因为技术特征仅是引发信任风险与危机的变项，由于其不以人意志为转移的内在逻辑而被现象化描述，和现实问题的解决路径没有必然联系，媒体信任重建问题应当从“信任何以产生”方面入手。本文根据媒体研究中信任生成的经典分类，基于大模型幻觉的现实风险倾向，得到以属性为基础的（characteristic-based）、以过程为基础的（process-based）、以制度为基础的（institutional-based）三重信任重建机制分析。“属性基础”反映被信者内在特征，“过程基础”能够描述信任委托方与受托方的互动关系，“制度基础”则关注信任重建时的积极外部效应，三重机制基本能够覆盖大模型幻觉背景下媒体信任重建所涉及的对象及关系，包括机器逻辑、人机互动、受众分析、媒体伦理等议题。该分类结构最早出现于扎克（Zucker L.G.）对于美国经济结构中信任问题的研究（与卢曼一样，扎克也受到帕森斯的社会系统理论影响），后被引用至新闻传播学领域，具有较强的规范性与适应性。 一天800字的工作量，差个文献没找，勉强行了。 7.10.2025 今天很累，上午高质量600字属性信任。 “以属性为基础的信任是一种简单直观的信任，由于“特征判断”往往是社会化的产物，属性基础的信任更具秩序且更为坚实，例如熟人社会中的邻人之信。所谓“属性”自然是指被信者的属性，数字媒体为智能内容提供流通空间，大语言模型的品质决定智能信息的质量进而影响个体的判断、传播与信任感知。用户的直接信任或不信任的对象是大模型内容，间接信任或不信任的对象才是数字媒体平台，二者在一定情境具备同构性，因此对二者属性的探讨皆有必要。” 非常好，这个问题解释清楚了。 看陈昌凤基础设施论文： 选题方面： “而ChatGPT能够从多个层面开拓视角,生成多元化、多角度的备选题目,供记者评估筛选。一是帮助记者发现热门话题、趋势和事件以及被忽视的、有价值的新闻选题;二是通过分析读者的兴趣和需求,选择更具吸引力和影响力的新闻选题;三是通过关注和分析新闻事件中不同群体和利益方的需求及反应,提供更为全面客观的选题。同时,ChatGPT能够通过“聊天”为记者指点迷津,启发记者确定新闻选题的路径与方法,提供思维索引。最终,ChatGPT能够协助记者获得选题。” 这里可能涉及幻觉和媒体内容生产的关系，我觉得和用户信任关系不大。 ChatGPT可用于对话系统、文本总结与机器翻译等多种场景。在美国,《纽约时报》正在制定使用聊天机器人的工作指南。《内幕》(Insider)则于2023年4月成立工作组以测试将人工智能负责任地纳入其工作流程的方法,并鼓励记者开始谨慎试用ChatGPT等编写的文本、报道大纲、纠正拼写错误、优化标题、帮助生成采访问题等。[9]全球一些记者已经在使用ChatGPT进行自己的采编工作。ChatGPT于2023年3月通过插件接入实时更新的互联网,逐步形成生态,展示其极具潜力的应用前景与可能。目前,ChatGPT的核心功能应用主要包括搜索引擎、内容创作以及问答客服三个方面。 1.搜索引擎 ChatGPT汇聚了海量的数据,包括维基百科、网络爬虫、期刊论文、新闻报道、百科全书以及超大规模的中文语料等,总数据量近45TB,形成了一个强大的基座模型。GPT-4的训练语料增添了图文文件、照片、图表以及截屏等多种类型的图像。因此,ChatGPT具备极强的学科穿透能力,整合了多方知识与资源,能够为用户提供融合性、创新性、条理化回答。相比于普通的搜索引擎,ChatGPT可以更加准确地理解用户的指令与需求,有条理地整合、概括与呈现搜索结果,还可以结合上下文为用户预测未知的相关内容,萃取高质内容。 2.内容创作 ChatGPT作为生成式人工智能的前沿技术,可用于广告文案、语言翻译、代码生成、诗歌创作、小说续写、法律文书、新闻稿件、生活服务等场景,结合用户的个性化需求,快速生成相应的内容。“遍阅群书”后的ChatGPT在创作型任务方面表现出色,GPT-4增加了多模态内容的生成,包括丰富多彩的图片。ChatGPT还能够记录人类的历史行为数据,通过建模来模仿人类的思维活动,生成思维图谱等高级认知成果。此外,ChatGPT能够进行语言的重组,模仿人脑的神经网络进行联结,生成新的概念名词,成为数字化知识生产的新动能。 “如何审思不同新闻生产范式中的人—机关系?唐·伊德在《技术与生活世界:从伊甸园到尘世》一书中从技术现象学的角度出发,总结了人与技术的四种关系,分别是海德格尔的锤子所代表的“具身关系”、胡塞尔的“伽利略”所代表的“诠释关系”,以及梅洛庞蒂的“羽饰”所代表的“它异关系”和“背景关系”。[22](PP.33~41)在计算机辅助新闻报道的阶段,人—机关系趋向于它异的结构,人类能够借助工具扩展微观和宏观的知觉,是人类身体的延伸。而到了人机协同新闻阶段,人—机关系不仅是具身的,更呈现出“互构”的特征。机器不是工具,不是主体,而是成了人类栖息的环境,参与构成人类认知自我和现实的再本体论化的装置。以GenAI为代表的数码物内嵌在社会构型中,与人类共同建构着信息性实践关系,达到碳基生物和硅基生物的融合。[23]此时,智能新闻业的主体、价值、边界和业态都面临着重塑和革新。” 这段写的非常好，种草了。 7.11.2025 上午看几篇文献和短文，必须把属性部分收尾，写多少算多少，写800或1000都行。 都是回应一个问题：怎么样重建信任？？？ 几篇微信短文都没什么意思，理论程度太低。 下午必须尽量把过程多写点。过程好写：1.透明性、2.无知反馈、 到上午十一点，第一小节的属性写完了。开始继续看文献，想接下来的一段要怎么写。今天尽量要把二节也写完，有时间再健个身，不健身睡不好觉。 改第二部分的时候把之前整理的要修改的全内容翻出来，应该在日记里面或者《舆论汇报》文件夹里。第二部分对我来说最简单所以放在最后。 智能平台的避风港原则： 下篇论文写这个。 只要看得够多，找得够多，一定会有创新点。别人不知道的事你普及了不就是创新。 一句话解释清楚逢迎性和幻觉是什么关系！答：逢迎性可能造成幻觉。 7.12.2025 今天极度劳累。 早上三点半起床回舅舅家祭祖，开一下午车回江阴吃饭，晚上继续开车九点到家。 明天休息放松一下：上午睡眠、无他，下午健身、无他，晚上看电影、无他。
| 
楼主: 刘海明
楼主