“大海捞针” 测试是一项针对大语言模型上下文记忆检索的特殊能力测试，我之前给你介绍的 Kimi Chat 是第一个在 128K 窗口大小上获得满分的国产 LLM 。
GLM-4宣称具有「大海捞针」能力，即能处理超过100K字符的对话上下文窗口，而且不产生幻觉。这让我首先想到的是长文翻译功能。
请帮我将下面的文章翻译成英文，并注意保留所有细节，包括 Markdown 格式，以及图片和文内链接等。
无论是使用 GPT-4 原声对话，或是我自己开发的 GPTs「博客文章中译英」（已经发布在 GPTs Store 上），还是 Kimi Chat，我都尝试过输入这么长的文章，它们通常都能继续输出内容。当然由于对话上下文的长度限制，它们可能无法一次性完整输出整篇文章的翻译结果。
这种情况让我感到非常苦恼。我想给智谱提个建议 —— 当 GLM-4 崩溃时，能否保留已经输出的文本内容？毕竟前面的内容已经输出了，我可以将其复制出来继续使用，然后指定从某个特定位置继续翻译。
我看得一头雾水 —— 我这不是在绘图模式下吗？你倒是画啊？！
这表明尽管 GLM-4 是中文模型，但在文字处理方面仍有待改进。画面右下角特意加了一个 “AI 生成” 标签，表明这是 AI 生成的，以防止滥用。
我认为 GPT-4（借助 DALLE-3）总体上画得还不错。除了机器人面前这张纸不知为何飞起来了，其他方面挺好的。
之后，我又尝试了英文提示词。我在想，作为一个中文的大型语言模型，它增强了接受中文提示词的能力后，是否在接受英文提示词方面会有所妥协。
另外，不得不提一句，图中的中年男子眼睛绘制得还有改进的余地。
这意味着一旦 GLM-4 崩溃，之前上传的文件和所有的对话记录就像被抹除了一样。
我只好重新开始，打开了一个新的对话框，再次上传了 loans.csv 文件。
在数据分析中，用户的决策主要是为了决定是否继续某个步骤，比如刚才提到的网格搜索。我是否可以在改进特征选择后跳过网格搜索，直接进入下一步。但如果我不知道错误的具体原因，我怎么知道是否值得让 GLM-4 重新尝试？
我建议 GLM-4 应该提供给用户更详细的错误提示信息。至少要告诉我错误的类型和一些简单分析，这样我才不会盲目尝试。
接着，它描述了我感兴趣的领域，我参与的课题，以及我与张庆薇、张晋合著在《图书情报知识》上发表的论文。
此外，GLM-4 还提到了我在知乎等社交媒体平台上的活跃，分享关于科研工具和技术的见解和经验。「这些活动不仅在教学和科研方面取得了成就，还对学术界和公众产生了积极影响」。我对这些赞誉表示感谢。
GLM-4有些功能确实让人印象深刻。例如绘图功能完成度很高，质量也很好；数据分析方面也做得不错，特别是能够自动生成预测模型，显示出GLM-4在软件包配置和调用执行方面的能力。当分析结果显示准确度不高时，GLM-4还能提供合理的分析和建议。我认为，这对于国内的研究人员，特别是IT和数据科学之外专业的研究生来说，会很有帮助。
GLM-4也有一些地方需要改进。首先是输入文本的长度限制，我希望它能够处理更长的文本，至少超过8000字符的文章扔进去不要报错。其次是错误处理方式。我建议提高GLM-4的稳定性，至少在出现对话崩溃时，不要丢失之前的所有输出。
你尝试过后，对 GLM-4 有什么使用体会？欢迎留言，咱们一起交流讨论。
祝 AI 效率工具使用愉快！
如果你觉得本文有用，请充电。
如果本文可能对你的朋友有帮助，请转发给他们。
欢迎关注我的专栏「科研利器」，以便及时收到后续的更新内容。