主要观点：探讨马尔可夫链（Markov chain）、LLM（大型语言模型）与幽默的关系，通过举例说明马尔可夫链和ChatGPT生成内容的差异，强调幽默是可测量且与意料之外的惊喜有关，指出LLM在创意写作等方面的局限性，以及这一现象的趣味性。
关键信息：

• 马尔可夫链是基于当前上下文预测下一个词的简单统计模型，类似手机键盘上的“下一个词建议”，运行成本低且易更新，在生成句子等方面不如LLM。
• LLM是大型语言模型，有大量上下文，能找到最可能的下一个词，但缺乏语义等考虑，用于创意写作效果不佳，早期较有趣，随着系统进步幽默消失。
• 幽默是关于不严肃的惊喜，好的笑话涉及愉快且重要的“snap”（意外感），可通过违反常见模式和增强“场景实现”来加强，且幽默具有主观性。
• 与LLM交互时会出现其输出缺乏个性等问题，如ChatGPT的消息像高中作文，LLM检测模型需开始筛查个性。
  重要细节：
• 举例说明马尔可夫链生成的句子语义奇怪，ChatGPT生成的句子更符合常规；如“12:2 And I will make all my goodness pass before thee, and our sins be upon us, because of our use of not and lisp-value.”是马尔可夫链结果，“In the beginning was the lambda expression, and the lambda expression was with Scheme, and the lambda expression was Scheme.”是ChatGPT结果。
• 提到通过在非英语环境中用“no”以文化上意外的方式写笑话成功；还举例说明好的笑话写作与一般好写作的相似之处，如使用更原创或描述性语言增强场景实现。
• 指出大型语言模型因有大量上下文和做最可能预测而更可预测，如在创意写作中容易被识别为生成内容，缺乏灵魂。