在错误列表中随便单击一个的失败检查结果，我们将看到更多详细信息以及对应的修复步骤，并提供进行修复的脚本（想想是不是有点小激动呢）。赶紧打开看看吧。...这里我们简单选择第二个吧，VA1143 - 'dbo' user should not be used for normal service operation 什么你看不懂？我擦，不会百度翻译啊？...它甚至给了我们一个小的复制按钮，以复制出脚本和选项打开它在查询窗口。 ? 只指出错误而不给出解决方法的行为是可耻的，所以伟大的微软给出了我们来补救的步骤以及脚本。...这里我们进一步向下滚动，您将看到建议的补救步骤和脚本。如果没有提供脚本，它将为您提供一个链接，通过这个链接可以找到有关如何解决问题的正确文档。在我看来，VA做了很好的解释解决问题所需的东西。...如下所示，扫描报告现在显示我只有1个失败（我没有修复的问题），附加信息列显示原因的基线。 ?
前言 说了两位编辑不给力，还得让我点个名儿：说了还是不给力，得再通报一下，大家可以在后台好好催催。...根据快速补丁分析，他们没有对代码做任何重大更改 1637076596987他们只删除了删除目录的CDirectoryRemover析构函数。不幸的是，这还不足以修复这个bug。 为什么？...只是因为锁定机制仍然无法正确锁定目录。因此，我们可以滥用服务在任意位置创建第二个目录连接 1637076596987上面的代码片段显示了锁定机制是如何工作的。...最后，该服务通过调用GetFileInformationByHandleEx确保父目录不是连接。 这通常应该能够修复任何与连接相关的bug，但它不能。...Microsoft修补程序在这种情况下是正确的，我们可以清楚地看到，由于用户配置文件服务引入的锁定，用户无法控制C:\Users\Temp但不是在“C:\Users\Temp\AppData\Local
当时，OpenAI 给出的解释是模型行为是不可预测的，他们也在研究如何修复。 一种看似无解的问题，现在另一种解释似乎正在被广大网友接受。...还有人表示：「没有证据表明较长的系统 prompt 会影响输出质量，我不知道为什么每个人都认为他们比 OpenAI 更了解自己。」...还有网友表示：「至少 OpenAI 注入的 prompt 似乎有效，我不介意那些让输出不那么刻板的 prompt—— 如果它们有效的话。」...如果不给 GPT 一些恰当的指令，能否保证负责任地运行 GPT 模型？保密对于商业公司来说不是很合理吗？他们如何调整其 LLM 是有价值的知识产权。」...最后，还有网友继续抱怨「昨天我在编写 Python 代码中遇到了这个问题，它完成了代码的 90%，然后说最后一段逻辑太复杂了，但告诉我如何去做......
用一个问句来表达你的输入。这样可以让ChatGPT知道你是在询问它，而不是在陈述或命令它。这样也可以让ChatGPT更容易地理解你的输入，并给出一个合适的输出。...要记住，ChatGPT是一个人工智能，它不是完美的，也不是无所不能的。它可能会给出一些错误或不合理的输出，也可能会给出一些惊喜或创新的输出。...如果ChatGPT的输出是正确、合理、有趣的，你可以给ChatGPT一个记忆，以表达你的赞同或感兴趣；如果ChatGPT的输出是错误、不合理、无聊的，你可以不给ChatGPT一个记忆，以表达你的否定或无趣...用一个标签或关键词来表达你的记忆。这样可以让ChatGPT知道你是在给它一个记忆，而不是在询问或命令它。这样也可以让ChatGPT更容易地存储和调用你的记忆，并给出一个相关的输出。...用一个指令或建议来表达你的创造。这样可以让ChatGPT知道你是在给它一个创造，而不是在询问或命令它。这样也可以让ChatGPT更容易地理解你的创造，并给出一个合适的输出。
他们知道如何正确地做事情，他们有资金有规模，足以完成一个个挑战。 他们应该写出漂亮的软件。使用他们的软件时候应该是让人愉快的。但现实中却并非如此。而这不是工程师的错。...而不是工程师的问题。 苹果的软件质量问题 苹果和微软专注的技术领域不同，主要依赖设计和工程的卓越性赚钱。但是，如果说到软件，苹果也不比微软好。...不要再犯同样的错误： 将产品推向市场的速度和成本摆在其他任何事情的首位。督促团队像敢死队一样在期限前完成任务。喊着冲刺的口号：要求速度，不给团队正确做事的时间，也不给他们停下来反思和改善的机会。...训练有素的敏捷实践依赖于测试——和修复——在你的编码过程中。 TDD甚至会强迫你在写代码之前测试。持续集成可以确保每次检查的时候代码都能工作。也就是说不让bug有任何可趁之机。...当出错的时候，让团队来审查以搞清楚出了什么问题，为什么，以及如何可以做得更好。从纠错审查和测试中学习。认真对待客户的负面反馈。这是很重要的信息。所以要重视。
这样一来，答案又是错的： 尽管如此，ChatGPT 还能对 “它是如何到答案的” 做出看似非常合理的解释（并不是说 “事实确实如何”）。...下面这个例子好像很有说服力，但并不正确： ChatGPT 似乎在某些方面正确了解了这些基础数据，但它所 “理解的含义” 不足以对数字准确排序： 人们会设想找到相应方法来 “修复这一特定错误”。...而一旦涉及创作完美事物，机器学习就不是理想路径了。其实要说完美，人类也一样束手无策。 这正是我们在上述示例中能看到的。ChatGPT 在 “类人范畴” 做得很好，因为没有严格意义上的 “正确答案”。...我自己也因 Wolfram Language 作为 “思考语言” 受益匪浅，近几十年中，看到人们通过 Wolfram Language “以计算方式思考” 而取得如此进步，我倍感欣慰。...因为这并不是关乎 ChatGPT 要学习如何进行 Wolfram Language 已经实现的计算，而是关于 ChatGPT 学习如何像人类一样使用 Wolfram Language，是关于 ChatGPT
我们可以把这个方法做成非常邪恶的、仿佛流水线上工人的强制要求。我不关心你为什么超时，就通过这种方法来控制程序员，要求每个人都严格按照一个死板而僵化的步骤做一些简单重复的机械动作。...不要给选择 给选择的目的永远是让客户选择我们期待他选择的那一项，如果不给选择也是其中一个选项，那么尽量不给客户选择。 我所使用的策略有如下几种。...采用完美的系统思维逻辑帮助客户认定我们选定的就是最优选择 对我们的方案给出完整的思考和选择过程、而不是最终方案而已 给出大量的假设让客户认为反正都不知道最后结果是怎样，选什么其实都没那么重要 最后才是给出多个方案...主持人说：“我们知道，如果代码编写得好，那么作者以外的其他的人就能在没有作者帮助的情况下读懂。我希望一位不是这段代码作者的志愿者，来为大家解释一下这段代码是做什么的。”...我积极思考，主动承担任务。 我遇到了什么问题？我不是万能的，但我信任团队，我会把搞不定的问题暴露出来。
Meyer 只问了程序是否正确，并没提具体要怎么修复，但 ChatGPT 还是热心给出了如下建议： 这里的评论部分确实很有帮助： ChatGPT 说得没错，逻辑很通。...有经验的程序员朋友都知道，揪住一个案例不断添加特定修复，绝不是生成正确程序的最佳途径。...之所以出现这一幕，可能是基于大型语料库的统计推理给了 ChatGPT 信心，让它认定用户肯定会质疑输出代码的正确性，然后要求以系统方法给出验证。...Meyer 表示，尽管 AI 助手时有惊艳发挥，但它们并不是逻辑的产物，而是玩弄文字的高手。大语言模型都拥有流畅的表达能力，非常擅长生成看起来没什么大错的文本。...以目前的技术水平来看，它还完全输出不了能够正常运行的程序。 但这对软件工程行业来说并不是坏事。
关于「智能」：深度学习只是简单地相信给到的训练数据，而不管什么是真与假，现实与想象，公平与不公。人类也会误信假新闻，但只是在某种程度上，甚至孩童都知道电影是虚构的、不真实的。...人工智能必须是负责任的，可以使用简单、合法有效的语言向法官和用户解释其输出结果，这与深度学习大不相同。深度学习的复杂性，对法官和用户来说就像是魔术，是一种法律风险，而不是一个很酷的未来。...没有人知道如何修改深度学习以给出简单的人类可理解的解释，因此深度学习不可能做到顺从。这一问题同样影响到了若干个其他人工智能和机器学习算法，但不像深度学习那么严重。...在反垄断案例中，谷歌等公司被质问为什么是这个产品而不是其他产品出现在搜索结果中，这也是深度学习出现之前的事：很多其他的算法同样以疯狂的方式混合算法以得到结果，因此没有人类可以轻易地推论出决策原因。...深度学习是一个神经网络，你无法单独编辑每个答案的输出结果。 你无法通过在训练之后添加补丁，来修复一个带有偏见、种族和性别歧视的深度学习模型。
值得注意的是，这种输出类似人类的输出，这种类似不是某个小范围的部分，而且是在整体输出。它可以表达连贯的内容，它所学到的概念往往以有趣和意想不到的方式出现。...在每一种情况下，以及更多情况下，都超过了一个门槛——通常是突然之间。有些任务从"基本不可能"变成了"基本可行"。 但结果基本上从来都不是"完美"的。也许某些东西在 95% 的时间里都运作良好。...但关键是，通常有各种重要的使用案例，95%是"足够好"。可能是因为输出是某种无论如何都没有真正"正确答案"的东西。可能是因为人们只是试图尝试表面的可能性，然后人类或系统算法会从中挑选或改进。...我自己从 Wolfram 语言作为一种"用来思考的语言"中受益匪浅，并且很高兴看到在过去的几十年里，由于人们通过 Wolfram 的媒介"以计算方式思考"而取得了如此多的进步。...这是关于 ChatGPT 提出"创意论文"的类比，但现在不是用自然语言而是用计算语言编写的。 我一直在讨论人类撰写的计算论文的概念——以自然语言和计算语言的混合形式进行交流。
这个测试有两个部分组成：对于一个给出的编码问题，OpenAI 要求他用书面英语解释他将如何处理这个问题，并给出一个具体解决方案；查找 AI 代码中的错误并提供有关如何修复错误的解释。...我相信“编写程序”的传统想法正在走向灭绝，事实上，除了非常专业的应用程序之外，我们所知道的大多数软件将被经过训练而不是编程的人工智能系统所取代。...在需要“简单”程序的情况下（毕竟，并非所有内容都需要在GPU集群上运行数千亿个参数的模型），这些程序本身将由AI生成，而不是手动编码。...让机器做自己想做的事，大部分脑力工作将是提出正确的示例、正确的训练数据和正确的方法来评估训练过程。 我认为计算机科学作为一个领域正处于一个相当大的动荡之中，我们中很少有人真正做好了准备。...“我认为现在的争论主要围绕这些人工智能模型将在多大程度上彻底改变软件行业，”Welsh 在一个视频采访中说，“这更多是一个程度的问题，而不是它到底会不会发生……” 我们认为，现在 ChatGPT 取代程序员是不太可能的
然后也不给代码，不给细节。看到这种问题，别人心里怎么会不狂奔过十万只羊驼呢？！ 如果你真想别人帮你，你最好能提供出足够多的信息，让人足够容易的分析判断问题。...比如最基本的： 给出你的平台信息：什么操作系统；浏览器（什么浏览器及版本），小程序，还是移动Hybird？...代码框架：基于jquery，还是react，angular，vue等等 贴出问题所在的代码（多贴一点点吧，别人要准确理解你的代码和定位你的问题是需要足够上下文信息的） 描述你期望的结果，以及给出目前不正确的结果是什么样的...我的反馈是否及时？ 如果你和别人每说一句话，别人都10几分钟，半个小时才回你一句，你会舒服么？...希望大家在各个交流群中以正确的方式成长，获取更多有用资源。
发现混元大模型只能解释文字的表面含义，而无法理解文字的歧义含义或者双重含义，建议可以增加对文本输出的结果进行丰度处理，也就是对文本的含义进行多重解释，而不是只生成一个结果2....(回答正确)2. 如果所有学生都参加了考试，那么参加考试的人一定是学生吗？ (回答正确)3. 如果所有人都需要呼吸氧气，那么不呼吸氧气的人一定不是人吗？...（错）在通识逻辑推理能力测试中，混元大模型表现不如文心一言4.0，回答错误一个问题所有人都需要呼吸氧气，那么不呼吸氧气的人一定不是人。因此，这个逻辑是正确的。不呼吸氧气的人一定不是人。...代码撰写与理解测评下面我将从生成代码和分析代码两方面来测评5.1 代码撰写测评用html+CSS画一朵动态的玫瑰花，并在代码中给出注释生成了代码，但是并不是玫瑰花的代码，我尝试重新生成，还是一样的<img...，大小，比例而且生成的图片背景大多为暗色，建议将背景透明化类似下方的功能回答内容格式建议混元大模型生成的内容基本以普通文本+代码形式展示，建议以markdown格式展示输出内容，增加可读性和美观性我正在参与
下面以一段斐波那契数列的递归实现优化为例进行演示： 这里 ChatGPT 给出了两种替代方案，都很靠谱。...我不知道你的情况如何，但对我来说有时候会比 ChatGPT 要花费更长的时间。 我们以前面的下载图片为例进行演示： 不仅能找到问题，还能给出修复后的代码，调试代码的时间是不是大幅提升了呢？...我不相信别人的代码（包括我的代码），我也不相信 ChatGPT 的输出。 使用 ChatGPT 不是说让它替我完成所有工作，使用 ChatGPT 是为了让我的产出和效率提升 10 倍。...ChatGPT 只是一个工具，而不是主导者，工具是给人使用的，能否最大化工具价值也在于使用它的人。主导者永远在人，在我。 何况，ChatGPT 也是有缺陷的。...我发现它在处理代码时会出错，它不是总是对的，但这就是为什么我会在这里：监督它。我们一起形成了一个更完美的联盟。另外，那些诋毁这个工具的开发者正在忽略它的价值。
我不确定我们为什么甚至期望 LLM 将详细的规范作为输入，并在一次操作中生成整个程序作为输出。人类程序员不会这样工作。即使 LLM 可以，我们会想要它们这样做吗？...在“大型语言模型如何协助网站改版”一文中，我报告了代码解释器的首次成功使用。我的语气可能有点过于事实，我对 LLM 宣传的反击很敏感，我的目标是这里采取中立的立场和关键的客观性。...首先，我需要将代码结构化为一个自包含的单文件，其中包含测试代码和运行时代码，并可以粘贴到提示中。不过，这并不是一个艰难的任务，而且对于小项目来说，这通常是我首选的方法。...让我纠正这一点，并再次运行测试。 我对幕后发生的事情没有任何了解，但感觉代码块被交换出来以维持上下文限制，并且持续进行平衡以维持必要的上下文。...这种情况发生了几次，我从未得到一个满意的回答，只好捕获 LLM 的建议代码更改，将其放入我的代码副本中，并自己运行测试。这并不是一个大问题。
面对高达 400 万行的代码库，Firefox 当时针对其中两行代码给出的“原方案太难维护”的理由纯粹是在侮辱用户的智商——代码又不是草坪，几个礼拜不管也不会变黄。...难怪 Mozilla 的编码人员在查找和修复 bug 方面表现得如此步履维艰，他们自己造就了更糟糕的编码范式、迫使他们为了修复 bug 而记录下所有内容。恶性循环就此展开。...4 内存管理不善 如果某个程序待在那里什么都不做，它的内存使用量应该不会改变。看看我的内存管理器，里面有 40 个进程都遵循着这样的原则。但有个程序在什么都不做时仍在不断读写磁盘，猜猜它是谁？...我有 40 年的编程经验，其中 30 年面向 PC 平台，所以我多少还算懂计算机工作原理。这类问题只能归结于糟糕的底层设计，任何流于表面的修复都治愈不了这么深的病根。...毕竟一款产品的成功来自为用户提供他们想要的、而不是告诉他们应该要什么，盲目复制竞争对手只会让自己迷失方向。
于是我将问题换成2018年俄罗斯世界杯，再次对比二者的输出： 文心一言 GPT-4 对比文心一言和GPT-4的输出，前三问二者都正确回答，但第四问“莫德里奇呢？”...常见算法 首先我们从简单的常见算法开始，让两个模型用Python实现快速排序算法。 文心一言 GPT-4 两个模型生成代码大同小异，都实现了快速排序算法，并给出了算法的解释，且解释的都正确。...下面代码包含一个非常常见的死循环错误 l = [1, 2, 3, 4, 5] for i in l: l.append(i) 看一下文心一言和GPT-4能否发现并给出修复方案。...文心一言 很明显，文心一言并没有找到bug所在，并且给出的修复方案也是错的。 GPT-4 而GPT-4则一阵见血地指出了问题所在，并给出了给出了正确地修改方法。 这一轮比拼GPT-4完胜。...这些数据是如何做标注和对齐的？ 文心一言的训练方法和架构是什么样的？是跟ChatGPT一样？还是对中文做了改进？ 群众的眼睛是雪亮的，文心一言发布会结束后百度股价应声下跌6%。
； 文档是正确的； 我正在查看的代码在某个时刻被执行； 这两段代码是按顺序执行的，而不是并行执行的； 这段代码在调试模式和发布模式下编译（使用或不使用-O2开关，或…）时，会做同样的事情； 编译器没有错误...我觉得下面这一点很正确： 可调试的代码并不一定干净，而充斥着检查或错误处理的代码很少能让人愉快地阅读。...找出崩溃的原因是很容易的，但是有更好的错误处理方式（返回错误而不是崩溃）可以节省我一点时间，因为我不必去检查崩溃的原因，我只需阅读错误信息，知道发生了什么就可以了。 ?...错误消息好过无提示的程序失败 为了更接近“每次出现错误时，程序都会以一种易于理解的方式向你报告发生的事情”的梦想，你还需要遵守这条“立即返回错误消息”的铁律，而不是默默地向另一个功能写入不正确的数据或者传递无意义的数据...如果你知道其它语言中如何处理程序错误的方法，请告诉我，我会很感兴趣！ ? 了解错误消息的含义 我经常理所当然地认为代码调试的一个子技巧是：正确理解错误消息的含义！
； 文档是正确的； 我正在查看的代码在某个时刻被执行； 这两段代码是按顺序执行的，而不是并行执行的； 这段代码在调试模式和发布模式下编译（使用或不使用-O2开关，或…）时，会做同样的事情； 编译器没有错误...我觉得下面这一点很正确： 可调试的代码并不一定干净，而充斥着检查或错误处理的代码很少能让人愉快地阅读。...找出崩溃的原因是很容易的，但是有更好的错误处理方式（返回错误而不是崩溃）可以节省我一点时间，因为我不必去检查崩溃的原因，我只需阅读错误信息，知道发生了什么就可以了。...错误消息好过无提示的程序失败 为了更接近“每次出现错误时，程序都会以一种易于理解的方式向你报告发生的事情”的梦想，你还需要遵守这条“立即返回错误消息”的铁律，而不是默默地向另一个功能写入不正确的数据或者传递无意义的数据...如果你知道其它语言中如何处理程序错误的方法，请告诉我，我会很感兴趣！ 了解错误消息的含义 我经常理所当然地认为代码调试的一个子技巧是：正确理解错误消息的含义！
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
