DPS Build

一个人，一个 app，一亿下载量 https://t.me/tms_ur_way/2636

Guardrails is a Python package that lets a user add structure, type and quality guarantees to the outputs of large language models (LLMs) At the heart of Guardrails is the rail spec. rail is intended to be a language-agnostic, human-readable format for specifying structure and type information, validators and corrective actions over LLM outputs. https://github.com/ShreyaR/guardrails

一个人，一个 app，一亿下载量 https://t.me/tms_ur_way/2636

Lighiting AI 发布了一个更小的 LLM 模型 https://github.com/Lightning-AI/lit-llama

用 ChatGPT API 来辅助解析抓取下来的网页，只要 写 prompts 就能清洗数据。 想法是挺好的，不过这么调取 ChatGPT 估计跟贵吧？ https://github.com/Smyja/blackmaria/tree/main/blackmaria

gpt4all: a chatbot trained on a massive collection of clean assistant data including code, stories and dialogue demo 是在一台 M1 的 Mac 上跑的，输出非常快 https://github.com/nomic-ai/gpt4all

两个德国开发者用 Rust 写了一套可以取代 LaTex 的方案。真是厉害，还自己写了从 Typst 生成 PDF 的库。 https://t.me/tms_ur_way/2633

斯坦福开源了一个机械手臂方案，可以做非常精确的操作，比如从钱包里取出证件，用乒乓球拍颠球等等 https://twitter.com/tonyzzhao/status/1640393026341322754

湾区日报恢复更新了。，只剩这个网站了，iOS app 什么的都没有了。 https://www.wanqu.co/

关于 Apple neural engine 的细节 https://github.com/hollance/neural-engine

最近又被拉着写 prompt。大前提是，隔壁组的数据出了问题，他们期望用 ChatGPT API 来批量清洗数据，他们在 ChatGPT UI 上做了测试，然后丢到我们手上。 我了解了需求之后，没看他们的 prompt，直接凭经验开始做各种尝试，最后试出了一个还不错的 prompt。于是封装成函数之后，交给后端的同事集成到流水线上。 我们跑了一小批数据，结果还不错，但是对照着隔壁组的要求，似乎不完全一致。于是后端同事直接把隔壁组的 prompt 搬进流水线里，又测试了一遍，结果和 ChatGPT UI…

围绕着 ChatGPT API 写了两周代码，记录一些想法： 1. ChatGPT API 自 gpt-turbo-3.5 发布以来，做了大大的简化。只需要在请求里写两个参数：model 和 messages，其他参数都被隐藏了。 2. 需要调整输出的话，只需要在 messages 写 prompts，通过自然语言就能控制模型的输出。大大降低了开发难度，又给输出添加了无限可能 3. 不仅 API 的交互得以大大简化，围绕着 ChatGPT API 开发的话，也可以大大简化整个 NLP 项目的开发。它…