🍹 Insight Daily 🪺
Aitrainee | 公众号：AI进修生
Hi，这里是Aitrainee，欢迎阅读本期新文章。
斯坦福刚刚推出了 STORM 进化版，只需输入任何主题，大约需要 3 分钟，它即可扫描数百个网站，撰写一篇总结关键发现的文章。文章输出类似于维基百科风格，并包含来自验证网络来源的引用，你可以下载为PDF，并免费向所有人开放。https://storm.genie.stanford.edu/ 进入主页，可以自选模式STORM和Co-STORM。![]()
选择 Co-STORM 圆桌对话模式，这就像是围炉话谈，你可以洞见不同专业的人对同一个话题的看法。![]()
CO-STORM 给我最大的感触不是它能多快生成文章，而是它让我重新思考了 AI 辅助创作的意义。当我输入一个主题后，系统会让N个AI角色 - "专家X"和"主持人"展开对话。这个过程特别有意思,就像看着几个老师在讨论你感兴趣的话题,他们会不断抛出新的视角，挖掘更深层的含义。比如：“ 我想了解如何系统地做网站SEO ”，那么他们对话的长截图，你看这里：对话结束之后，还会生成一篇总结这些对话内容的文章。![]()
以及左边还会有一个思维导图，可以让你更直观地看到这些对话内容。对比了一下，如果你选择的是普通的对话模式，那么左侧生成的是文章目录，而不是思维导图。![]()
普通模式下，点击「See BrainSTORMing Process」可以获取如下图所示中，不同LLM Role的头脑风暴过程。![]()
![]()
STORM一经发布，大家纷纷上手体验，许多人惊叹道：这太棒了。![]()
![]()
![]()
在对20名志愿者的测试中，70%的人表示更喜欢使用Co-STORM。这个数字背后反映的是用户对学习体验的真实需求 - 我们不仅需要获取信息，更需要理解信息之间的联系。这个和Co-STORM内部有多智能体协作对话机制有关：当你在学习一个新主题时，系统会安排不同领域的"专家"进行讨论，就像是在听一场专业的圆桌会议。而"主持人"则会适时引导话题，确保讨论不会偏离主题太远。这种方式不仅让学习变得更有趣，也帮助我们从多个角度理解问题。它不是简单地让AI写文章，而是模拟了一个"头脑风暴"的过程。就像你在跟一群经验丰富的同行讨论，有人负责提问，有人负责解答，还有人负责总结和完善。
STORM 生成的文章，在多个评估维度上都展现出了不错的表现，在某些方面超越了目前最先进的AI写作方法。![]()
论文链接：https://arxiv.org/pdf/2402.14207为了让大家更好理解这个进步，我们先看看目前主流的AI写作方法。最基础的是Direct Gen，它就像是一个简单的"想到什么写什么"的模式，先生成提纲，再扩展成文章。然后是RAG方法，这个有点像我们写论文时会先查资料一样，系统会基于主题搜索相关信息，再进行创作。但最有意思的是oRAG，这个方法就像是一个更细心的作者，不仅会先做好提纲，还会针对每个章节专门去搜集资料。这让我想起了那些会在写作前做大量准备工作的专业作者，只不过这次是AI在模仿这个过程。虽然目前Co-STORM还只支持英语交互，但这个局限并不影响它在改变学习方式上的重要意义。从数据上看，STORM的表现确实令人印象深刻。在兴趣度、组织性、相关性和覆盖范围等多个维度上，它都取得了显著的领先。特别是在ROUGE-1和ROUGE-L这样的评估指标上，STORM分别达到了45.82和16.70的高分，远超其他方法。但STORM生成的文章在中立性和可验证性方面，还是和经过精心修订的人工文章有一定差距。此外，STORM在研究主题时确实能发现不同的视角，但它的信息来源往往会倾向于互联网的主流声音。就像社交媒体的信息茧房效应，即使是AI，也难免会受到数据源本身偏好的影响。还有一个局限是，目前的研究主要集中在生成纯文本内容上。但如果你仔细观察高质量的维基百科文章，会发现它们往往包含着大量的结构化数据和多模态信息。也许不是简单的取代或超越，而是如何在保持高质量输出的同时，真正实现多模态、结构化的内容创作。AI工具就像是空中俯瞰的视角，能让我们快速了解整体布局。但那些在小径上的漫步，在亭台间的停留，在花木前的凝视，却是无法被加速的体验。也许这就是技术与人文的平衡点 — 既要有全局的视野，也要保留探索的趣味。后来才明白，提笔的顿挫、运笔的轻重，都是需要时间去体会的。现在看着STORM，我也有类似的感触。技术可以帮我们快速获取知识，但对知识的理解与运用，依然需要我们亲自去体验、去思考、去内化。这种节奏的把握，或许就是我们在AI时代最需要学习的功课。🌟 知音难求，自我修炼亦艰，抓住前沿技术的机遇，与我们一起成为创新的超级个体（把握AIGC时代的个人力量）。
