一则有意思的AI错误

简介: 本文记录了豆包AI在回答关于C语言内存分配问题时的错误过程。首次询问时,AI给出了错误的回答;经过两次追问和纠正后,AI才给出正确的答案。文中附有提问过程的完整截图和相关代码,分析了问题的原因,并探讨了AI在处理这类问题时的局限性。

豆包AI回复错误记录

提问过程完整截图

  • 首次询问

这个回答是错误的

  • 两次追问

第一次提出质疑后它的回答还是错误的,第二次说明自己的判断之后它的回答才修正过来。

询问代码如下

#define MAX_RT_MEM 1024*1024*32
void * rt_mem_space;
if (rt_mem_space == NULL) {
rt_mem_space = calloc(MAX_RT_MEM / sizeof(int), sizeof(int));
} else {
memset(rt_mem_space, 0, MAX_RT_MEM / sizeof(int));
}

这段代码真正的问题在于首次使用calloc开辟了32MB的存储空间并清零内存,但再次进来时使用memset清零内存时却只清了8MB。

cppreference中对于calloc解释

cppreference - calloc

一点思考

其实不太理解,如此简单的一个问题,参考官方文档应该一下就能找到正确答案,为什么它还是回答错了。

是问问题的角度有些刁钻?平时大家不关注这点所以提问/解答少?还是其他原因?有大佬了解可以评论区解答一下呀。

就现阶段而言,AI似乎更像一个名校毕业的好学生,有数不清的优点,但就你的项目而言,它还缺少经验与业务知识。点对点的问题AI通过强大的检索和总结能力,能给你足够好的回答,但除此之外,我们要能够自己把握全局。

目录
相关文章
|
机器学习/深度学习 人工智能 算法
人工智能原理概述 - ChatGPT 背后的故事1
一、人工智能历史 二、机器学习 2.1 预测函数 2.2 代价函数 2.3 梯度计算
|
1月前
|
人工智能 程序员 芯片
记AI的遇见、使用和思考
`shigen`是一位坚持更新博客的写手,记录成长与认知。本文分享了他从初识AI到逐步掌握AI工具的经历。从最初使用百度PaddleOCR时的硬件限制,到后来接触GPT和CodeGeex等工具,他在工作中不断探索AI的应用,提升开发效率。如今在蚂蚁集团,他借助内部AI工具如CodeFuse,大幅提高了代码产出,并对如何更好地利用AI提出了深刻思考。他认为,AI的核心在于如何被有效使用,而技术人应保持不焦虑的心态,踏实前行。 **与shigen一起,每天不一样!** 个人IP:shigen
52 19
记AI的遇见、使用和思考
|
5月前
|
机器学习/深度学习 人工智能 机器人
|
7月前
|
人工智能 自然语言处理
还在因AI检测头疼?尝试一下 AI Humanize
AI Humanize是一款将AI文本转化为人性化、难以检测的高质量内容的工具。它提供基础和高级模型,支持多语言,如英语、中文等,并能在多种AI检测器中通过。训练于大量人类语料库,AI Humanize的"Humanize AI LLM"模型确保生成自然、流畅的文本,增强可读性和原创性,同时保持用户友好界面。适用于各领域的用户提升内容质量。[AI Humanize](https://aihumanize.io/)**
还在因AI检测头疼?尝试一下 AI Humanize
|
8月前
|
人工智能 运维 自然语言处理
对话蚂蚁李建国:当前AI写代码相当于L2.5,实现L3后替代50%人类编程
超70%代码问题,单纯靠基座大模型是解决不了的;未来3-5年,人类50%编程工作可以被替代,有些环节甚至完全自动化。蚂蚁集团代码大模型CodeFuse负责人李建国说道。当下,AI代码生成领域正在野蛮式生长,巨头涌入,AI员工频频上线企业;首个AI程序员Devin被曝造假…… 面对风起云涌的代码生成变革,李建国给出了这样一个明确论断。
136 1
|
8月前
|
机器学习/深度学习 敏捷开发 人工智能
吴恩达 x Open AI ChatGPT ——如何写出好的提示词视频核心笔记
吴恩达 x Open AI ChatGPT ——如何写出好的提示词视频核心笔记
345 0
|
机器学习/深度学习 人工智能 算法
人工智能原理概述 - ChatGPT 背后的故事2
三、深度学习 3.1 神经网络 3.2 CNN
|
人工智能 安全 新能源
人工智能原理概述 - ChatGPT 背后的故事8
4.3 训练过程 虽然经过上述过程,ChatGPT已经可以自主的组织句子回答了。但如果没有适当的指导,该模型也可能生成不真实或者负面的输出。
|
机器学习/深度学习 人工智能 算法
人工智能原理概述 - ChatGPT 背后的故事3
3.3 模型 = 黑匣子 3.4 显卡 = 算力 四、ChatGPT 原理 4.1 LLM
|
机器学习/深度学习 人工智能
人工智能原理概述 - ChatGPT 背后的故事4
4.2 生成过程 4.3 训练过程 4.4 Prompt 五、总结