Etsi samankaltaista sisältöä

AI 二维码（沉浸版） MewXAI星月熊 我们已经分享了两期 AI 二维码了，这次分享的网站技术更加成熟和方便，几乎可以从沉浸式图里抽出二维码信息（配合原二维码），彩蛋级生成，还有光影文字生成。高级功能需要充值点数，缺憾是不能识别国内未备案域名，以及国外某些域名如 Telegram 链接。 关于 AI 二维码生成顺便推荐两篇文章： Refining AI Generated QR Code Ever wondered how a QR code works? Reference AI 无脑生成二维码图像 AI 生成二维码 QR codes #AI

Memo AI 文档介绍/内测申请/下载链接 JoPq-o5nK-6DrG-i3hZ QQ66-yxna-PJwA-4bYT uGLr-ExPH-wyoD-kUaB S2vh-7QuF-4YW6-s47j nTfR-H6iU-ifxD-aSvP 今天邮箱收到个 Memo AI 内测邀请，赋几个邀请码，才想起是之前填的关于 AI 驱动视频、播客转文字字幕工具的问卷，大家可以试试。 现在视频语音总结转文本 AI 挺多的，通义千问转文本、哔哩哔哩视频总结插件等，在线和本地，后面再主题说下。我目前常用的是 Glarity，也可以总结视频，主要现在视频摄入很少，后面会再深度使用下。 Reference Glarity 总结文章 #AI

POE 持续武装 最近 POE 大更新，继续武装最新模型，Claude-2-100k/ ChatGPT-16k/ Google-PaLM 等最新的多种模型都已经加上，还能直接上传文件对话。昨天也发布了第一版 Mac 应用，可以全局快捷调用。 Claude2 目前编码、数学和推理能力都上升了不少，各种考试测试也取得高分，在 POE 中 100K 的 Token 可以对上传的文档直接搜索和总结，也能生成更长的内容，应用场景其实非常广。ChatGPT-16k 用的 gpt-3.5-turbo 模型，也能处理长文档，这些处理文献、指南等文档等能很舒服。 POE 算集结了目前最强的生成模型，订阅除了 GPT4 额度每月 600，其它最新模型的额度都有 1000，非常充足。要是出个 API 可以练度拉满了。 Reference 简单科普下 Token 和字符（ Characters） #AI

AI 前沿文献研究列表的追踪网站 技术、人口、热浪，AI 卷起人们对前沿研究和学术动向更多的关注解读和热度，伴随人工智能前沿文献追踪网站的大量出现（以及分享过的），今天就分享这个主题。 Hugging Face Daily Papers 这是「抱脸」平台的每日文献展示，显示热度、评论和引用相关。 RECENT PAPERS 关于 AI 的热门论文列表，点赞、转发、引用等热度以及可建立自己论文列表。 arXiv AI RSS AI 前沿文献的主要发布平台。 BriefGPT AI 论文总结中文摘要速递，都可以 RSS 订阅。 PaperList 非常简易的文献阅读和分享平台，大量 AI 文献相关。 Athena 专为 AI 研究员推荐文献的网站，可以标记相关论文以及订阅搜索主题。 --- ？这些列表都还不错，不知道有没有其它学科相关的 Paperlist，以及社科类文献研究相关合集。 Reference 互联网 AI 领域内容超级聚合 #AI

AI 无脑生成二维码图像 QRCode AI AI 生成二维码目前已经没有壁垒了（图片是我博客地址），这个网站可以无脑放链接和 prompt 生成 AI 图像，不需要像前面的各种教程参数调整，可是学无止境。 Reference AI 生成二维码 QR codes #AI

AI 影响我阅读文章的方式 所有 Never Ending Now 的新闻内容就像火山裂口岩浆里生生不息的气泡，对塑造整个人类世时间轴的地形地理毫无意义。这也是我很少分享新闻内容的原因，而对这些内容我现在基本都用 AI 看， 或者说毫无阅读体验，没有阅读难度的文章都可以 AI 阅读。 我对稍好文章的定义就是我用 AI summarized 两次，现在阅读体验也是越来越好，RWR 以前放的文章也已经处理大部分，确实解放了我的阅读，有更多时间专注书籍以及主题文献。 这里重点是我们需要区分知识和信息，两者必不可少，知识在我这里就是塑造实体，信息是塑造的外部环境（边界外），或者说系统和环境的关系，这里得到区分和统一，信息类文章承担的功能就是我们前面提到的 Antilibrary 以及大量阅读「囤积」的功能。 但时代变了，信息我们现在有更便捷更好的处理方式，我们确实可以放开阅读，AI 让我们边界外的世界变得广而明亮。不过这里需要提醒的是，我们仍在 LLM 拉出的废墟上探险。 我现在仍然是用 Glarity 总结文章，可以自定义总结模板，这里我就加了个标题，Prompt 都很简单。 Your output should use the following template: There is a title. Summarize the highlights of the content and output a useful summary in 140 words in the form of Summary. Reference 「囤积」的功能 Antilibrary LLM 的废墟 我的 AI COMBO 1.0 #AI

Truly a thought-provoking piece, from the author of τ-bench. https://ysymyth.github.io/The-Second-Half/#ai So what’s suddenly different now? In three words: RL finally works. More precisely: RL finally generalizes. After several major detours and a culmination of milestones, we’ve landed on a working recipe to solve a wide range of RL tasks using language and reasoning. The second half of AI — starting now — will shift focus from solving problems to defining problems. In this new era, evaluation becomes more important than training. Instead of just asking, “Can we train a model to solve X?”, we’re asking, “What should we be training AI to do, and how do we measure real progress?” To thrive in this second half, we’ll need a timely shift in mindset and skill set, ones perhaps closer to a product manager. It turned out the most important part of RL might not even be the RL algorithm or environment, but the priors, which can be obtained in a way totally unrelated from RL (LLMs).

https://ai-2027.com “We predict that the impact of superhuman AI over the next decade will be enormous, exceeding that of the Industrial Revolution.” 不管怎样，这个页面的 interaction 很棒 #ai

大型语言模型花园 Welcome to the LLM Garden Superwise丨Blattner Tech丨TensorOps 联合推出了这个 LLM Garden，它收录了目前所有可用的大型语言模型的详细参数数据，包括 GPT4/PaLM2 在内的各种大模型、开源模型「羊驼系列」以及微调的特定任务模型如 AutoGPT，数据包括许可证/ Token 长度/网站溯源/培训成本等信息，非常丰盛。 这座花园为了解目前日新月异的 LLM 提供了最直观的信息，前面我们也分享了 LLM 的研究资源信息以及 LMSYS Org 的排名，大家可以参考。我的生产力「三座花园」也在梳理成库，后面将会分享。 Reference LLMs 的研究资源丨科普/社论/前沿 互联网 AI 领域内容超级聚合 目前大型语言模型的埃洛评级（EloRating） 祛魅丨Auto-GPT dreamGPT丨将 LLM的幻觉问题转为模型特色的新驱动方式 数字时代的三座生产力花园 #AI

#AI landscapes, how does it sound🔥? We would like to note that many people confuse machine learning algorithms and conventional generative algorithms. Yes, a lot of attention goes to the former, but the second one also interests our team for applications like when creating generative open world locations. This is an incredible simulation of natural ecosystems. With this algorithm we want to create our own alien landscapes. Check it out guys: https://www.youtube.com/watch?v=8YOpFsZsR9w

AI 生成二维码 QR codes ControlNet for QR Code 最近 Reddit 上有人用 Stable Diffusion 生成各种样式包括二次元的 QR 码，非常炸裂。比如他这个图就指向一个参数化二维码生成器。（我之前常用草料二维码优化） 这种才是真正属于 AI 的画作啊，人几乎画不出来。这还有篇文章介绍 QR codes 的工作原理，设计和细节的文章，感兴趣可以阅读。 Reference 关于 Stable Diffusion 引擎的工具库 AI 绘画的的奥术宝典和炼金池 PromptGenerator丨绘画提示词 #AI

dreamGPT丨将 LLM 的幻觉问题转为模型特色的新驱动方式 这个 GPT 实验工具比较有趣，利用 LLM 的幻觉（hallucinations）来进行思维发散，产生新想法的驱动方式，区别于 Auto-GPT 这种解决特定问题的工具。 大型语言模型的「幻觉」算目前生成式 AI 的一个主要问题，混乱的/虚假的/不相关的引用造成目前对 AI 的主要批判，不过这种幻觉多是基于有目的和可追溯的期望输入与输出的背离，「幻觉」就成为了不相关和无意义。 然而很多有趣的东西并不基于原有路径/不基于分类/不基于特定联系，而是某种开放和可能，某种非线性的/横向/逆向/反逻辑的想象力，这在期望的输出里就可能表现为幻觉，在 dreamGPT 就表达为「Dream new ideas」，整合，择选并开放幻觉的可能。 无论幻觉/压缩或是仿真，新的生成已经开始溶解成为现实，幻觉也成为现实「可能」的一部分，本体不再重要，特德姜说的也不重要。 Reference 祛魅丨Auto-GPT 捕捉影子的 AI丨这仍然是一场风暴 我对特德姜文章的看法 #AI