Најди сличен содржај

DALL·E3 申请链接 https://forms.gle/bjPwvdZrRyJqKhQLA ChatGPT DALL·E3 图像生成，一个小时就通过。 #AI

ChatGPT 重新联网 最近 AI 热度回暖，Bard 大更新：处理和响应能力大增、GPT4 图片语音多模态预演、Amazon 投资 Anthropic 40 亿美元、ChatGPT 通过 Bing 搜索网页整合问题重新联网。（Beta features） 图为提取 Readwise Newsletter 第五期内容分享链接，这比联网插件 WebPilot 舒服。值得期待后面的看、听、说多模态内容开放。 Reference Wisereads Vol. 5 — A new newsletter by Readwise 甄选信息源聚合丨阅读平台的官方 Newsletter #AI

Система распознавания лиц на входе в одной из школ в Шэньчжэне #AI

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