AI大模型的"JSON输出"，真的是好主意吗？
硬核软件工程师Sean Heelan对大语言模型中使用JSON的做法提出了尖锐质疑，引发业内热议。
JSON：看似美好实则鸡肋
Sean Heelan直言不讳地指出了JSON在AI大模型输出中的致命缺陷：
「简单格式？JSON反而是不必要的复杂。」
「复杂格式？你将损失超过10%的模型响应，原因是JSON解析错误。」
这番犀利的批评直击要害：JSON并不是万能的数据交换格式。
在AI模型输出中，它不仅不能提高效率，反而会带来额外的麻烦。
一个意外的"解药"
就在讨论白热化之际，GoogleDeepMind研究总监Edward Grefenstette给出了一个优雅的解决方案：
直接使用Markdown，需要时再转换为JSON。
这个建议看似简单，实则高明。
Markdown的可读性远胜JSON，同时保留了数据结构化的可能性。
为什么要放弃JSON？
解析成本高：大模型生成JSON经常出错
不必要的复杂度：简单信息不需要如此繁琐的格式
可读性差：与纯文本和静态分隔符相比毫无优势
专业人士的智慧
两位顶级AI领域专家的对话，折射出当下AI工程中的微妙智慧：不盲目追求复杂，而是寻求最直接、最高效的解决方案。
Markdown + 转换，或许就是跳出JSON陷阱的金钥匙。
你有什么更好的办法吗？
👇
👇
👇
👇
本文同步自知识星球《AGI Hunt》
星球实时采集和监控推特、油管、discord、电报等平台的热点AI 内容，并基于数个资讯处理的 AI agent 挑选、审核、翻译、总结到星球中。
每天约监控6000 条消息，可节省约800+ 小时的阅读成本；
每天挖掘出10+ 热门的/新的 github 开源 AI 项目；
每天转译、点评 10+ 热门 arxiv AI 前沿论文。
星球非免费。定价99元/年，0.27元/天。(每+100人，+20元。元老福利~）
一是运行有成本，我希望它能自我闭环，这样才能长期稳定运转；
二是对人的挑选，鱼龙混杂不是我想要的，希望找到关注和热爱 AI 的人。
欢迎你的加入！
