最新

大家好，我是 Tina。 在使用 LLM（大型语言模型）时，我一直遇到的一个令人沮丧的问题是“幻觉”：模型给出的答案听起来很自信，但却是编造的。比如虚假的引用、错误的数字，甚至是整个“系统报告”。 因此，我一直在开发 CompareGPT，它试图通过以下方式提高 AI 输出的可靠性： * 并排展示多个 LLM 对同一查询的回答 * 方便查看答案的一致性（或不一致性） * 帮助在浪费时间或造成损害之前发现幻觉 链接在这里：[https://comparegpt.io/home](https://comparegpt.io/home)。我们开放了候补名单，非常欢迎大家提供反馈，尤其是来自从事 LLM 研究、金融或法律领域工作的人。 谢谢！

大家好，我是 PlanEat AI 的创始人 Valerii。<p>运营我的创业工作室需要长时间工作，这意味着晚餐的选择每天都让我头疼。我试过一些流行的应用程序，但没有一个能根据时间限制、过敏原和口味来规划一整周的饮食，然后生成一份清晰的购物清单。所以我开发了 PlanEat AI。<p>它的功能： • 根据饮食、过敏原、不喜欢的食物、每日餐数和烹饪时间，个性化定制每周菜单 • 生成一份包含分组类别和去重数量的合并购物清单 • 允许你更换任何菜肴，并立即重新计算计划、食谱和清单 • 专注于简单健康的饮食，不进行卡路里追踪<p>技术栈： Flutter 和 Dart，Supabase Postgres 和 Edge Functions，一个用于食谱排名的小型 LLM 层，StoreKit 用于订阅。<p>希望获得以下方面的反馈：<p>用户引导流程和偏好设置<p>针对不同饮食和时间预算的菜单质量<p>购物清单的分组和命名<p>你希望的下一步集成<p>欢迎提问，我很乐意分享更多细节。