【观察】橙篇 vs Kimi，生成式AI在象牙塔的“鏖战”

伴随着本人最喜爱的西班牙队，以前所未有的七战全胜战绩摘下队史的第四座冠军奖杯，这届欧洲杯终于圆满落幕啦！

虽然已经过去了将近半个月，我依旧是困意难平。大家都知道，这届欧洲杯的时间安排太过于“黑暗”，除了少数小组赛以外，绝大多数的比赛都是北京时间零点甚至三点开球。

结果昼伏夜出、含辛茹苦了接近一个月之后，隔壁宿舍的吴小二容光焕发地告诉我，他的开题报告和论文大纲已经基本完成，接下来就是资料的搜集、整理，即将开始正式撰写。

OMG！凭什么西班牙赢在了球门线，我却要输在起跑线？绝对不行！作为一枚即将迈入毕业季的烟酒僧研究生，本人在深思熟虑之下，决定问计AI来完成这项神圣而庄严的任务。

当然，前提是严格遵守学术规范和学术道德，避免过度依赖AI生成的内容，确保论文的独立性和原创性——毕竟这是学术研究的基本原则，本人也不想出任何幺蛾子影响到毕业。

事不宜迟，立马行动！

首先面临的，就是工具选择的问题。从前年的ChatGPT开始，生成式AI领域出现了一大票类似的工具，“百模大战”的结果是不仅浪费了大量社会资源，也让很多用户无所适从。

本人倒不存在这个问题，很快就初步选定了入围名单：月之暗面的Kimi，以及百度今年4月发布的橙篇。至于其他那些以做电商、游戏见长的公司发布的产品，说真的我是信心不足。

Kimi是某学姐推荐，说学术论文是其主要应用场景之一；橙篇的选择不为别的，因为从本科至今，本人搜集资料均是用百度搜索，那么既然是一脉所承，我想橙篇理当堕不了百度名头。

Kimi的界面如上图所示，主打的就是一个简洁，除了必要的一些按钮（以及需要付费的Kimi+引导）之外，屏幕上几乎没有赘余的元素，还与时俱进地带了点与巴黎奥运相关的内容。

不过要我说，这是不是简洁过头了？新手上来估计一时半会儿是拎不清了，难怪学姐当时板着脸告诉我，Kimi需要多花些时间才能上手，最好去知乎上看看Kimi 详细使用手册之类的东东……

可是我赶时间啊，大姐！国庆前我就要给老板交论文初稿，满打满算也就不到两个月的时间，在这争分夺秒的关键时刻，你还要我先去读个“预科班”是吧，有咩有搞错？

相形之下，橙篇的界面虽然也比较朴素，但是guide的意味明显高了不止一个层级。即便是第一次使用，我们也可以轻松找到各种入口，譬如“长文写作”、“资料搜寻”、“全文校正”……甚至还有“查重”等功能，看得人心花怒放啊！

不过，我们也不能高兴得太早。路是一步步走出来的，论文也得从一张白纸开始，看看到底谁才是毕业生的良师益友，能帮咱们严格遵照学术研究的基本原则，把论文给整出来。

那么，就从论文方向开始吧，让两位选手分别上场吧！ 

其实，我的问题比较泛，语义也比较笼统，不过Kimi的回答还可以，而且增加了一些方向选择，只是像媒体融合、知识产权、媒体伦理这些吧，多少有点注水的嫌疑。

我们再来看看橙篇的回答。

不像Kimi，橙篇没有对我的论文方向做任何无意义或是非必要的扩充。如果你逐字逐句阅读一下，会发现橙篇的“语气”更像是人类，而不是那种科技感十足的冷冰回复。

可怕的是，我越看橙篇的回复，越觉得像暑假前老板找我谈话的内容，最后在兴趣、职业规划和市场需求方面的建议也几乎如出一辙……“李老师，如果你在里面的话就给我扣个1，好吗？”

结合此前老板，加之此次AI的意见，尤其是橙篇提供的“基于深度学习的音视频分析”，深深滴打动了我。我感觉，这个方向很有搞头，一方面涵盖了我学习过的主课内容，另一方面又加入了热门的“深度学习”。

踌躇了也就十来秒吧，我把这个方向发给了老板。一个小时后收到回复：“可以，建议专注于视频。注意：该领域参考文献不多，研究方法也处于早期，论文的事多问问师哥师姐。”

就这？我也可以开始写了？真的被惊到了！之前吴小二巴拉巴拉了好久，说他如何被老板尅得体无完肤，交了七八个选题都被打回来……哈哈，原来我才是天选之人！

擦干口水，咱还得往前推进，继续考验两位选手。

Kimi的回答虽然多达17个注意事项，但是每一项都非常简明扼要，而且非常体贴地建议阅读所在学校的论文格式具体要求。

橙篇的回复就不贴图了，四个大项十几个小项实在不好抓图，而且每个小项都是不厌其烦地用大量文字来提醒各种细节，甚至A4纸有多大也给标注出来，但是真有这个必要吗？

接下来，我试着让Kimi和橙篇就《基于深度学习的视频分析》，给我一些具体的研究建议。本次，Kimi又给了多达15个建议，不过在如此重要的环节里，它居然还是极度简洁，一脸的高冷（如下图示例）。

与之相比，橙篇更有耐心，或许它已经意识到此刻面对的是一名虚怀若谷的学术小白？来看看它的回答（如下图）。

看到没有？在对关键技术的梳理中，除了Kimi同样给出的卷积神经网络、递归神经网络（RNN）、长短时记忆网络（LSTM）等之外，橙篇还多了一个3D卷积网络（C3D）。

我之所以注意到这个，是因为在此前的一次课外作业里，老师曾经专门讲过3D卷积网络在医学体数据方面的应用，由于卷积核在三个维度上进行滑动，因此能够捕捉到三维数据中的局部特征。

正因为如此，3D卷积网络在计算机视觉领域有着非常广泛的应用——话说回来，这应该就是本人研究论文的核心之一啊！那么，它对于数据有哪些要求呢？

上图是Kimi的回答，下图是橙篇。 

总体来看，二者的回答基本囊括了建模以及训练对数据的要求。

不过在如此垂直的领域里，Kimi的回答有些过于直白，缺乏专业深度。橙篇则好很多，在数据维度、数据格式、标记以及数据量方面，“语气”更满足论文的需求，并且将其他一些要求加入到“其他”，避免了十几个要求漫天飞的情况。

继续往纵深里走，具体到医疗领域的应用，Kimi会给我们哪些建议呢？

Kimi执拗地给出了17个建议，乃至于我都不好抓图（我就抓前6个做下示例吧），而且真的很“白话”，语焉不详、缺乏深度不说，还让人有些无所适从。

从数据准备到网络结构设计，再到训练、优化、部署、应用，橙篇给出了更为缜密和专业的建议，而且就医学领域的应用，它也提供了一些可能会被忽视的注意事项，比如需要较大的卷积核等等。

在现代理工科研究中，往往会产生大量的数据文件，这些文件包含了非常重要的信息，但是人工分析会花费太多时间，那么Kimi和橙篇是不是可以帮助我们呢？

为此，我随意选取了一部分实验数据，让Kimi和橙篇来看看其中有无玄机。

怎么说呢？Kimi似乎没说什么错话，但是也没有提供足够的关于亮点或者说差异点的具体建议，忠实地执行了我的指令，却没有表现出对于数据的“智能”审视。 

相比之下，橙篇更为人性化一些，或者说它好像能够意识到自己在什么样的场景，在做什么工作以及我期待它担任的角色。譬如，它居然会提醒平均值有可能会掩盖某些重要细节。

接下来，就进入到实质性的全文撰写测试，这是我最关心的环节，也让我对Kimi和橙篇的表现充满期待，对于撰写硕士论文这样的重任，我没想着非此即彼，或许双剑合璧才能发挥更大效力。

不过首先登场的Kimi，直接就给了我当头一棒（见下图）。或许是我选择的内容方向过于垂直和深奥，它不肯帮我撰写，只是给我搭建了一个论文大纲，以及提供写作指导，WTF？？？

 同样的问题，一个字不改给橙篇会怎样呢？ 

橙篇给了两个选择，既可以修改大纲，也可以继续生成长文——我当然是选择了后者。

十分钟后，我回到浏览器，发现一篇文档已经躺在那里：

那么文章到底如何呢？我做了个动图大家感受一下：

怎么样？标题、摘要、关键词、导言、参考等元素橙篇都“一应俱全”，文章结构合理，有回顾、有展望、有疑问、有解答，既有国外研究现状，也有国内最新进展。

行文至此，我觉得结论已经呼之欲出了，那就是对于广大高校学子和教师而言，橙篇无疑是科研的“最佳CP”——这样看来，它的网址：cp.baidu.com还真是有先见之明啊，哈哈！

说到这里，再说一点出戏的内容吧！前段时间不是有某女博士对导师的控诉吗？试了一下，用橙篇寻求法律依据和量刑的效果也同样是杠杠滴（如下图）。

最后，我就要进入闭关阶段啦！在接下来的时间里，我将极尽所能地“压榨”橙篇，借助它的专业建议，快速完成深度学习环境的搭建、测试和部署，高质量地完成论文初稿。

咱们，国庆见！

点击“阅读原文”，即刻体验橙篇AI！‍‍‍‍‍‍

申耀的科技观察，由资深科技媒体人申斯基创办，20+年企业级科技内容传播工作经验，长期专注产业互联网、企业数智化、ICT基础设施、汽车科技等内容的观察和思考。