因此，这所房屋可能是第29个新闻，因此技术媒体因此发表了昨天（5月28日）的博客文章，报道说，即使是损失所代表的AI搜索工具，其性能比Google这样的传统搜索引擎更好地表现出色，在不断变化后，搜索结果的质量并没有提高，但搜索模型的下降却没有增加，但搜索模型的下降并没有增加，但搜索模型的下降和下降已经下降，并且跌倒了。下降，搜索模型的下降尚未增加，但尚未下降，搜索模型的下降尚未增加，但尚未增加，搜索模型的下降尚未增加，但下降却下降，搜索模型的下降尚未增加，但尚未下降，AI正在出现。媒体教导说，以混乱为代表的AI搜索工具曾经被认为是传统搜索引擎的强大替代方案，然后EIR搜索结果比Google更准确。但是，最近发现许多用户的反馈反馈（例如市场共享或财务数据等）以及权威性证券交易委员会（SEC）所需的10-K年度报告通常是不可靠的资源的报价。如果用户未指定数据资源，则获得的结果通常令人惊讶。它引用了一篇博客文章，并介绍了这个问题在混乱中并不是唯一的，并且主要的AI搜索机器人具有类似的“弱”结果。媒体认为，AI搜索质量崩溃的根本原因在于“模型的衰落”，即AI系统取决于其自身的输出训练，从而逐渐丧失准确性，差异和可靠性。误差积累，尾部数据丢失和反馈循环是三个主要原因。误差积累使每一代模型都继承和增强了前几代的缺陷；稀有数据的丢失逐渐爆炸稀有事件和概念；反馈回路增强了双重或偏置内容的狭窄图案和输出。为了提高AI性能，广泛使用了检索增强（RAG）技术，从而允许大型语言模型（LLM）从外部数据库中提取信息并减少“幻觉”。但是，彭博研究发现，尽管使用了抹布，以及包括GPT-4O和Claude-3.5-Sonnet在内的11个顶级模型，但在处理超过5,000个有害信号时，它们仍然会释放不正确的结果。更糟糕的是，RAG增加了客户隐私数据泄漏的风险，这会产生误导性的市场分析和投资偏见建议。 AI模型崩溃的后果正在加速。为了提高效率，ANG用户和企业倾向于依靠AI来生产内容，而不是投资于人力来创建高质量的内容。从研究的作业到去除科学研究文书工作，甚至是虚构的小说，即“ AI废物输入，废物输出”（浪费到 /废物，Gigo）现象无处不在。