大学生巧用AI，卧室自建微型核聚变反应堆，Claude 3.5功不可没！

如果不使用积分，Anthropic 的 Claude 3.5 Opus 模型已在部分基准测试中超越了拥有约 3000 亿参数的 GPT-4 模型。这意味着，仅用 100 美元的硬件资源便能实现“AI 幻觉”的显著降低，从而有助于创建更加可靠和值得信赖的系统。

Hudhayfa 分享了其使用 AI 模型 Claude 3.5 的体验。考虑到其高性能和低成本，这无疑是一个重大的进步。例如，他对 McMaster Carr 的查询得到了准确的回答；而另一方面，它也成功地处理了有关复杂电路的问题，并给出了清晰明了的解释。

在第三点中，Hudhayfa 在模拟环境中使用了一款叫做 NST（非标准终端）的程序。如果询问它是否能够运行？他回答可以使用 Arduino 控制器进行模拟。他想了解 MKS-901p 传感器的数据手册和规格，Claude 能够在一瞬间提供相关的信息，并准确地指出第25页，说明了具体是校准曲线的信息。

另外，Hudhayfa 还提到了关于 NST，一款 12kV 的非标准终端，其4kV 和 12mA 的数据超过了标准范围。他用公式 10^(v-6) 来计算传感器校准范围，并对比了该数值与实际的安全极限，强调了大型语言模型（LLM）在理解复杂场景和呈现有价值结果方面所展现的强大能力。

Hudhayfa 对其团队在项目中所做出的贡献表示感谢，尤其提到了 Yash Karthik、负责传感器校准的 Aryan Afrouzi、以及其他成员 Andy Kong 和 Ishan Goel。他强调了他们共同努力，为提高模型的可靠性和性能做出了贡献。

最后，Hudhayfa 指出，“安全极限”这个概念对该项目的进展至关重要，同时他也感谢来自麻省理工学院的 Michael Liesenfelt 在早期阶段给予的指导，为后续电路设计和系统实现提供了帮助。同时，他也表明了自己对模型安全性的重视程度。

Hudhayfa 的另一项贡献是与 Olivia Li 合作开发的名为 Fusion 的开源项目，该项目致力于降低硬件资源的需求，从而实现更加可靠的安全极限。Olivia 肯定了 Hudhayfa 在项目中的作用，并认为他是团队中不可或缺的一员。

总而言之，安全极限的概念涉及使用有限的计算资源来创建更可靠的安全措施，它能够应用于各种规模的传感器和终端设备。Hudhayfa 在开发该项目中所做的努力表明，他致力于解决复杂的工程挑战，并期望能够构建更可靠、更安全的技术。他在此项开源项目上投入了大量时间，旨在解决传统计算所面临的限制。

项目链接：https://www.oliviali.me/projects/fusion