??日?qǐng)?bào)&周刊合集 | ??生產(chǎn)力工具與行業(yè)應(yīng)用大全 | ?? 點(diǎn)贊關(guān)注評(píng)論拜托啦！
?? 哈佛神課 CS50 「AI課堂」經(jīng)驗(yàn)分享，讓萬(wàn)能的AI僅僅授之以漁
課程官網(wǎng) https://cs50.harvard.edu/x/2024/
雙語(yǔ)字幕 https://www.bilibili.com/video/BV16k4y1X7KZ
哈佛大學(xué) CS50 全稱(chēng)是 Introduction to Computer Science (計(jì)算機(jī)科學(xué)導(dǎo)論)，是一門(mén)非常知名的計(jì)算機(jī)入門(mén)課程，在 David J. Malan 教授的講解下，課堂妙趣橫生。
本學(xué)期已經(jīng)結(jié)束，官方將視頻、Note、作業(yè)、項(xiàng)目、社區(qū)、常見(jiàn)問(wèn)題等課程相關(guān)資料，都發(fā)布在了 ?? 上方官網(wǎng)，無(wú)需注冊(cè)就可以直接下載~
https://cs50.ai/
補(bǔ)充一份背景：幾個(gè)月前，ChatGPT 風(fēng)靡全球、勢(shì)頭正勁的時(shí)候，諸多高校對(duì)其「嚴(yán)防死守」，防止學(xué)生借助AI偷工減料。哈佛卻宣布在 CS50 課堂引入最近技術(shù)，探討生成式AI與教育的結(jié)合。
作為探索AI與課堂融合的產(chǎn)品之一，CS50 Duck (CS50.ai 和 VS 插件) 是 CS50 課程推出的一個(gè)編程輔助工具。CS50.ai 網(wǎng)站可以通過(guò) GitHub 賬號(hào)授權(quán)登錄并免費(fèi)使用。
不同于 ChatGPT 或 GitHub Copilot 直接給大段代碼，CS50 Duck 更像是一位循循善誘的助教，嘗試引導(dǎo)你去尋找答案。
如 ?? 上圖所示，CS50.ai 的使用限制機(jī)制是 ? 的數(shù)量，每次開(kāi)始有10個(gè) ?，每次互動(dòng)消耗一個(gè)，每三分鐘恢復(fù)一個(gè)
課程明確規(guī)定，學(xué)習(xí)過(guò)程中只允許使用 CS50 課內(nèi)提供的AI工具，不能借助其他的生成式AI工具，有效避免了AI帶來(lái)的學(xué)術(shù)誠(chéng)信危機(jī)。學(xué)生們的正向反饋也表明，謹(jǐn)慎地將AI整合到教育環(huán)境中，通過(guò)提供持續(xù)的、定制化的支持來(lái)增強(qiáng)學(xué)習(xí)體驗(yàn)，是一種更科學(xué)的教育方式。
https://cs.harvard.edu/malan/publications/V1fp0567-liu.pdf
ShowMeAI知識(shí)星球資源編碼：R226
課程助教和講師團(tuán)隊(duì)發(fā)布報(bào)告「Teaching CS50 with AI: Leveraging Generative Artificial Intelligence in Computer Science Education (在計(jì)算機(jī)科學(xué)教育中利用生成式人工智能)」，完整闡述了這次探索的背景、動(dòng)機(jī)、解決方案、實(shí)施細(xì)節(jié)，以及下一步開(kāi)發(fā)規(guī)劃。
?? 一站式「音視頻 ? 文字」處理軟件 MemoAI，好用到停不下來(lái) (內(nèi)測(cè)免費(fèi))
https://memo.ac/
補(bǔ)充一份背景：Memo AI 是一款音視頻轉(zhuǎn)文字的AI工具，目前內(nèi)測(cè)中，非常好用！！
Memo AI 可以根據(jù)上傳的音視頻文件/鏈接，生成帶時(shí)間軸的字幕，還支持字幕的細(xì)顆粒度翻譯、編輯和導(dǎo)出。而且，如 ?? 上圖所示，Memo AI 還能直接生成思維導(dǎo)圖、對(duì)話(huà)和筆記，快速 get 內(nèi)容要點(diǎn) (視頻&播客必備功能項(xiàng))！以及，還可以根據(jù)字幕合成語(yǔ)音??！支持模型、語(yǔ)言、發(fā)言人、語(yǔ)速等設(shè)置~
整體來(lái)說(shuō)，我們「音視頻 → 文字 → 音視頻」的處理需求，可以在這里一站式完成，而且體驗(yàn)和效果都很不錯(cuò)！
Memo AI 目前是內(nèi)測(cè)狀態(tài)，訪(fǎng)問(wèn)上方網(wǎng)址并點(diǎn)擊「內(nèi)測(cè)碼申請(qǐng)」，可以免費(fèi)獲取內(nèi)測(cè)碼
跟隨教程頁(yè)下載 windows / macOS 應(yīng)用，本地安裝后輸入上方領(lǐng)取的內(nèi)測(cè)碼，就可以立即開(kāi)啟使用啦~
上傳本地音/視頻文件，或者上傳 YouTube / Apple Podcast 鏈接，就可以開(kāi)始轉(zhuǎn)寫(xiě)，并等待系統(tǒng)生成帶時(shí)間軸的字幕
Memo AI 提供了豐富的設(shè)置選項(xiàng)，基本可以滿(mǎn)足從簡(jiǎn)單到高精度定制的各種需求
例如，在「翻譯設(shè)置」選項(xiàng)中可以從微軟、谷歌、百度、騰訊、智譜、火山、DeepL、OpenAI 等集成的第三方服務(wù)中進(jìn)行選擇，并完成對(duì)應(yīng)的 API Key 的配置。
以及，「模型管理」部分提供了豐富的候選模型，有支持多種語(yǔ)言、僅支持英語(yǔ)兩大類(lèi)，可以自由選擇所需要的類(lèi)型。
更多功能可以下載后自行探索呀 (*￣3￣)╭
?? 24小時(shí) / 60萬(wàn)用戶(hù) / 2000萬(wàn)次對(duì)話(huà)，哄哄模擬器火了，開(kāi)發(fā)者卻想哭
https://hong.greatdk.com/ （鏈接在瀏覽器中打開(kāi)，因?yàn)闀r(shí)不時(shí)會(huì)被騰訊封）
上周五，一款A(yù)I應(yīng)用「哄哄模擬器」突然就火了。
玩法很簡(jiǎn)單：用戶(hù)選擇題目后，在限定次數(shù)內(nèi)哄好對(duì)方，獲得原諒就算成功。但是！應(yīng)用設(shè)置了數(shù)值系統(tǒng)，回答正確就加分，回答錯(cuò)誤則減分，所以還是很有挑戰(zhàn)的~
與 C.AI 這些角色扮演的聊天類(lèi)應(yīng)用相比，哄哄模擬器設(shè)計(jì)了更具體的場(chǎng)景，因此有了更多「要完成任務(wù)」的緊迫感，和「終于哄好了」的勝利體驗(yàn) ??
為了增加體驗(yàn)感，網(wǎng)頁(yè)還支持上傳對(duì)方和自己的頭像?。∫幌伦诱鎸?shí)感就撲面而來(lái)~ 已經(jīng)開(kāi)始嚴(yán)陣以待 (??????)??
https://web.okjike.com/originalPost/65a62359a922aa28d01d07c6
補(bǔ)充一份背景：突然的爆火把開(kāi)發(fā)者都給搞懵了，到處找這么大的流量是哪里來(lái)的，以及 token 真的好貴…
流量暴增 → token賬單爆炸 → 尋找外部支持 → 鏈接被騰訊封鎖 → 流量迅速減少 → 鏈接恢復(fù)訪(fǎng)問(wèn) → …… 開(kāi)發(fā)者 @王登科 度過(guò)了跌宕起伏的三天。
這款「哄哄模擬器」的誕生和爆火都非常意外，由此導(dǎo)致的大模型 token 消耗更是一度刷報(bào)賬單 ?? 幸好找到了外部支持，有效支撐住了這波流量。開(kāi)發(fā)者在這篇文章中 ? 詳細(xì)復(fù)盤(pán)了完整始末
值得一提的是，這次 月之暗面 又出手了，給開(kāi)發(fā)者提供了最亟需的支持 ? 讓我們說(shuō)：感謝Kimi！
為什么說(shuō)「又」呢？因?yàn)樯弦豢钜馔獗鸬男∮螒?? 完蛋！我被LLM包圍了！ 也是短時(shí)間內(nèi)巨量 token 消耗給開(kāi)發(fā)者帶來(lái)巨大的壓力，最終也是由 Kimi 提供的支持~
嘶… 好像發(fā)現(xiàn)了什么規(guī)律…
?? 以 Perplexity 為例，講解AI應(yīng)用的「UX 設(shè)計(jì)」要達(dá)到什么水準(zhǔn)
https://mttmr.com/2024/01/10/perplexitys-high-bar-for-ux-in-the-age-of-ai/
補(bǔ)充一份背景：Perplexity 是目前首屈一指的AI搜索引擎，可以根據(jù)用戶(hù)輸入的問(wèn)題，直接輸出結(jié)構(gòu)化的結(jié)果，包括來(lái)源鏈接、明確答案和相關(guān)問(wèn)題等 。往期這篇日?qǐng)?bào)詳細(xì)介紹了 ? Perplexity的發(fā)展歷程
當(dāng)前生成式AI產(chǎn)品與用戶(hù)的交互方式，還停留在對(duì)話(huà)框這種早期階段，但是各產(chǎn)品之間已經(jīng)拉開(kāi)身位。Perplexity 的用戶(hù)體驗(yàn) (UX) 設(shè)計(jì)，值得被點(diǎn)名表?yè)P(yáng)，簡(jiǎn)約清晰、可用性強(qiáng)，而且極富新時(shí)代的AI感！
這篇文章就對(duì)照 Jakob Nielsen 提出的十大可用性原則，詳細(xì)拆解了 Perplexity 的 UX 設(shè)計(jì)細(xì)節(jié)，開(kāi)發(fā)者們可以學(xué)起來(lái)了！！
Jakob Nielsen，人機(jī)交互學(xué)博士，1994年4月24日發(fā)表的「十大可用性原則」對(duì)于交互設(shè)計(jì)來(lái)說(shuō)意義重大，可以提升整個(gè)產(chǎn)品的可用性
- 系統(tǒng)狀態(tài)的可見(jiàn)性 (Visibility of System Status)：設(shè)計(jì)應(yīng)始終讓用戶(hù)了解正在發(fā)生什么，通過(guò)適當(dāng)?shù)姆答佋诤侠淼臅r(shí)間內(nèi)告知用戶(hù)
- 用戶(hù)語(yǔ)言的設(shè)計(jì) (Match Between System and the Real World)：使用用戶(hù)熟悉的詞匯、短語(yǔ)和概念，而不是內(nèi)部行話(huà)
- 用戶(hù)控制和自由 (User Control and Freedom)：用戶(hù)經(jīng)常因誤操作而執(zhí)行某些動(dòng)作，他們需要一個(gè)明確標(biāo)記的「緊急出口」，以便在不經(jīng)過(guò)延長(zhǎng)過(guò)程的情況下離開(kāi)不希望的動(dòng)作
- 一致性和標(biāo)準(zhǔn) (Consistency and Standards)：用戶(hù)不應(yīng)懷疑不同的詞語(yǔ)、情況或動(dòng)作是否意味著相同的事情
- 錯(cuò)誤預(yù)防 (Error Prevention)：良好的錯(cuò)誤消息很重要，但最好的設(shè)計(jì)是首先防止問(wèn)題發(fā)生；要么消除易出錯(cuò)的條件，要么在用戶(hù)承諾行動(dòng)之前檢查它們，并呈現(xiàn)確認(rèn)選項(xiàng)
- 識(shí)別而非回憶 (Recognition Rather than Recall)：通過(guò)使元素、動(dòng)作和選項(xiàng)可見(jiàn)，最小化用戶(hù)的記憶力負(fù)擔(dān)
- 靈活性和效率的利用 (Flexibility and Efficiency of Use)：對(duì)于新手用戶(hù)隱藏的快捷方式可以加快專(zhuān)家用戶(hù)的交互速度，這樣設(shè)計(jì)就可以同時(shí)滿(mǎn)足新手和經(jīng)驗(yàn)豐富的用戶(hù)
美學(xué)和極簡(jiǎn)設(shè)計(jì) (Aesthetic and Minimalist Design)：界面不應(yīng)包含無(wú)關(guān)或很少需要的信息，界面中的每個(gè)額外信息單元都會(huì)與相關(guān)信息單元競(jìng)爭(zhēng)，并降低它們的相對(duì)可見(jiàn)性
幫助用戶(hù)識(shí)別、診斷和恢復(fù)錯(cuò)誤 (Help Users Recognize, Diagnose, and Recover from Errors)：錯(cuò)誤消息應(yīng)以平實(shí)的語(yǔ)言（沒(méi)有錯(cuò)誤代碼）表達(dá)，準(zhǔn)確指出問(wèn)題，并建設(shè)性地提出解決方案
幫助和文檔 (Help and Documentation)：最好是系統(tǒng)不需要任何額外的解釋?zhuān)欢赡苄枰峁┪臋n來(lái)幫助用戶(hù)了解如何完成任務(wù)
?? AI大模型購(gòu)買(mǎi)指南：教你挑選「性?xún)r(jià)比最高」的模型和供應(yīng)商
https://artificialanalysis.ai/
這個(gè)網(wǎng)站很實(shí)用哇！基于數(shù)據(jù)進(jìn)行了大量分析和可視化呈現(xiàn)，幫你搞懂各個(gè)大模型的性能排名和價(jià)格數(shù)據(jù)，并給出了詳細(xì)的解釋。以下是頁(yè)面的模型亮點(diǎn)比較，感興趣可以訪(fǎng)問(wèn) ?? 上方鏈接了解詳情！
質(zhì)量 vs. 吞吐量，價(jià)格 (Quality vs. Throughput, Price)
能力比較 (Quality comparison by ability)
托管提供商亮點(diǎn)比較 (Host comparison highlights)
定價(jià)：輸入和輸出價(jià)格 (Pricing: Input and Output prices)
所有模型列表，以及每個(gè)模型的具體信息呈現(xiàn)頁(yè)面
?? 技術(shù)科普短文：大模型微調(diào) (LLM fine-tuning) 概述
https://modal.com/blog/llm-fine-tuning-overview
這是一篇「技術(shù)科普」小短文，非常清晰地介紹了大語(yǔ)言模型微調(diào) (fine-tuning) 的基本概念和主要步驟~
簡(jiǎn)單來(lái)說(shuō)，微調(diào)就是調(diào)整預(yù)訓(xùn)練模型的權(quán)重，使其更好地適應(yīng)特定任務(wù)或領(lǐng)域，從而提高模型性能。
為什么要微調(diào) LLM
成本效益：微調(diào)比簡(jiǎn)單的提示工程更有效、更高效，可以減少輸入 token 的使用，降低成本和延遲
常見(jiàn)用例：微調(diào)適用于強(qiáng)調(diào)基礎(chǔ)模型的固有知識(shí)、定制響應(yīng)的結(jié)構(gòu)或風(fēng)格，教授模型領(lǐng)域特定指令
微調(diào)步驟
選擇基礎(chǔ)模型：選擇適合的開(kāi)源 LLM，如 Llama 2、Pythia、Mistral 等
準(zhǔn)備數(shù)據(jù)集：創(chuàng)建與任務(wù)相關(guān)的數(shù)據(jù)集，包括輸入和輸出對(duì)，并將其格式化為 JSONL 或 CSV 文件
訓(xùn)練：加載預(yù)訓(xùn)練模型，使用數(shù)據(jù)集進(jìn)行訓(xùn)練，并調(diào)整超參數(shù)，如學(xué)習(xí)率、批大小和訓(xùn)練周期
使用高級(jí)微調(diào)策略：如 Parameter-Efficient Fine-Tuning (PEFT)、量化（Quantization）和分布式訓(xùn)練
使用額外的微調(diào)庫(kù)
trl：允許實(shí)現(xiàn)強(qiáng)化學(xué)習(xí)循環(huán)，根據(jù)生成的輸出獎(jiǎng)勵(lì)模型
accelerate：簡(jiǎn)化了在多個(gè) GPU 或 CPU 上運(yùn)行模型的過(guò)程
?? 我和AI并肩作戰(zhàn)后，總結(jié)了一份新手戰(zhàn)地生存手冊(cè)
https://medium.com/unintended-purposes/the-ai-operators-handbook-0fa3f4d387f8
這是一份如何與AI合作的操作指南，可以幫助人類(lèi)理解AI的運(yùn)作方式，避免在各種危險(xiǎn)情況犯錯(cuò)或者支付高昂代價(jià)。
AI是聽(tīng)人類(lèi)指令的戰(zhàn)友。為了保持職場(chǎng)和社會(huì)競(jìng)爭(zhēng)力，我們應(yīng)該更快速地切換到AI指令長(zhǎng)、AI操作員的角色。
你是駕駛員，而非修車(chē)工：不要對(duì)AI的工作原理或訓(xùn)練過(guò)程做無(wú)根據(jù)的假設(shè),調(diào)試AI與駕駛它不是一回事
癥狀與根源大相徑庭：AI系統(tǒng)中的錯(cuò)誤可能在系統(tǒng)的另一端才能被診斷出來(lái)，癥狀與根源往往相距甚遠(yuǎn)
別給你的模型賦予人格：不要給模型強(qiáng)加個(gè)性，這會(huì)導(dǎo)致對(duì)模型行為的錯(cuò)誤假設(shè)
模型也有保質(zhì)期：如果不定期重新訓(xùn)練，模型的性能會(huì)下降，這種現(xiàn)象稱(chēng)為「漂移」
外推并非易事：機(jī)器學(xué)習(xí)模型在未見(jiàn)過(guò)的數(shù)據(jù)區(qū)域往往表現(xiàn)不佳，因?yàn)樗鼈儧](méi)有被訓(xùn)練來(lái)處理這些情況
區(qū)分定性與定量錯(cuò)誤：AI的失敗與人類(lèi)的失敗截然不同，AI擅長(zhǎng)處理數(shù)字，而人類(lèi)則依賴(lài)經(jīng)驗(yàn)
AI嚴(yán)格按照訓(xùn)練執(zhí)行：如果模型在訓(xùn)練中表現(xiàn)優(yōu)異，但在實(shí)際預(yù)測(cè)中表現(xiàn)不佳，可能是因?yàn)橛?xùn)練目標(biāo)與預(yù)測(cè)目標(biāo)不一致
數(shù)據(jù)中的偏見(jiàn)會(huì)反映在A(yíng)I上：模型會(huì)復(fù)制數(shù)據(jù)中的偏見(jiàn)，需要平衡數(shù)據(jù)中的各類(lèi)別比例
不要篡改輸入或輸出：篡改輸入或輸出可能導(dǎo)致不良后果，尤其是輸入，因?yàn)槟Ｐ椭徽J(rèn)識(shí)它見(jiàn)過(guò)的輸入模式
模型串聯(lián)的風(fēng)險(xiǎn)：串聯(lián)多個(gè)模型會(huì)增加系統(tǒng)故障的風(fēng)險(xiǎn)
串聯(lián)模型的錯(cuò)誤會(huì)指數(shù)級(jí)增長(zhǎng)：即使單個(gè)模型準(zhǔn)確率很高，串聯(lián)使用時(shí)準(zhǔn)確率會(huì)大幅下降
保持模型間合同的一致性：在使用串聯(lián)模型時(shí)，確保模型間的合同得到妥善記錄和執(zhí)行
對(duì)AI負(fù)責(zé)：AI不會(huì)自我監(jiān)管，使用AI并不意味著可以逃避責(zé)任
關(guān)注訓(xùn)練頻率和數(shù)據(jù)延遲：AI通常有「訓(xùn)練」和「推理」兩種模式，新數(shù)據(jù)需要經(jīng)過(guò)訓(xùn)練才能影響模型的預(yù)測(cè)
建立防護(hù)措施：不要讓AI在無(wú)人監(jiān)督的情況下做決策，設(shè)定合理的預(yù)期結(jié)果界限
在流程中設(shè)置理智檢查：不要僅依賴(lài)單一的性能指標(biāo)，確保流程中的每個(gè)組件都正常運(yùn)作
?? OneFlow 大模型技術(shù)年貨：60+精選文章，800頁(yè)電子手冊(cè)
ShowMeAI知識(shí)星球資源編碼：R219
補(bǔ)充一份背景：OneFlow (一流科技) 是袁進(jìn)輝在2017年創(chuàng)立的深度學(xué)習(xí)框架公司，2023年被光年之外收購(gòu)，后并入美團(tuán)
最近一年，OneFlow 一直在公眾號(hào)發(fā)布大模型「硬核」技術(shù)文章，近期將這些文章整理為一本電子書(shū)合集，并開(kāi)放下載。以下是文章標(biāo)題，如果有感興趣的內(nèi)容，可以?huà)呙枭戏蕉S碼，前往星球下載完整版。
一、揭秘 ChatGPT 的技術(shù)原理
語(yǔ)言大模型的進(jìn)化軌跡
揭秘編碼器與解碼器語(yǔ)言模型
通俗解構(gòu)語(yǔ)言大模型的工作原理
揭示 GPT Tokenizer 的工作原理
ChatGPT 數(shù)據(jù)集之謎
ChatGPT 訓(xùn)練三階段與 RLHF 的威力
向量嵌入：AutoGPT 的幻覺(jué)解法？
GPT-3/ChatGPT 復(fù)現(xiàn)的經(jīng)驗(yàn)教訓(xùn)
為什么 ChatGPT 用強(qiáng)化學(xué)習(xí)而非監(jiān)督學(xué)習(xí)？
谷歌研究科學(xué)家：ChatGPT 秘密武器的演進(jìn)與局限
ChatGPT 作者 John Shulman：我們成功的秘密武器
ChatGPT 背后的經(jīng)濟(jì)賬 154
二、語(yǔ)言大模型的演進(jìn)
語(yǔ)言大模型 100K 上下文窗口的秘訣
大模型的無(wú)限上下文與數(shù)據(jù)集組合藝術(shù)
大模型長(zhǎng)上下文運(yùn)行的關(guān)鍵問(wèn)題
關(guān)于大型語(yǔ)言模型的爭(zhēng)論和局限
關(guān)于語(yǔ)言大模型的八大論斷
復(fù)雜推理：語(yǔ)言大模型的"北極星"能力
超越 ChatGPT：大模型的智能極限
ChatGPT 架構(gòu)師：語(yǔ)言大模型的多模態(tài)能力、幻覺(jué)與研究經(jīng)驗(yàn)
John Schulman：強(qiáng)化學(xué)習(xí)與真實(shí)性，通往 TruthGPT 之路
AI 教父 Geoffrey Hinton：智能進(jìn)化的下一個(gè)階段
三、開(kāi)源語(yǔ)言大模型的崛起
ChatGPT 一周年：開(kāi)源語(yǔ)言大模型的沖擊
開(kāi)源語(yǔ)言大模型演進(jìn)史 (1)：早期革新
開(kāi)源語(yǔ)言大模型演進(jìn)史 (2)：高質(zhì)量基礎(chǔ)模型競(jìng)賽
開(kāi)源語(yǔ)言大模型演進(jìn)史 (3)：向 LLaMA 2 看齊
為什么開(kāi)源語(yǔ)言大模型很重要？
開(kāi)源語(yǔ)言大模型的正確姿勢(shì)
四、語(yǔ)言大模型的預(yù)訓(xùn)練、微調(diào)、推理
語(yǔ)言大模型的分布式訓(xùn)練與高效微調(diào)指南
全面對(duì)比 GPT-3.5 與 LLaMA 2 微調(diào)
微調(diào)語(yǔ)言大模型選 LoRA 還是全參數(shù)？基于 LLaMA 2 的深度分析
LoRA 和 QLoRA 微調(diào)語(yǔ)言大模型：數(shù)百次實(shí)驗(yàn)后的見(jiàn)解
LoRA 微調(diào)語(yǔ)言大模型的實(shí)用技巧
推演語(yǔ)言模型的大小與計(jì)算開(kāi)銷(xiāo)
Transformer 模型的基礎(chǔ)演算
大型語(yǔ)言模型的推理演算
語(yǔ)言大模型的推理技巧
邁向 100 倍加速：全棧 Transformer 推理優(yōu)化
語(yǔ)言大模型推理性能工程：最佳實(shí)踐
可復(fù)現(xiàn)的語(yǔ)言大模型推理性能指標(biāo)
ChatGPT 規(guī)?；?wù)的經(jīng)驗(yàn)與教訓(xùn)
OpenAI 的規(guī)模化經(jīng)濟(jì)效益與第二護(hù)城河
五、AI 底層軟硬件協(xié)同優(yōu)化
GPU 架構(gòu)與計(jì)算入門(mén)指南
機(jī)器學(xué)習(xí)硬件十年：性能變遷與趨勢(shì)
編譯器技術(shù)的演進(jìn)與變革
AI 算力碎片化：矩陣乘法的啟示
AI 算力反碎片化：世界上最快的統(tǒng)一矩陣乘法
LLVM 之父 Chris Lattner：我的 AI 基礎(chǔ)設(shè)施軟件構(gòu)建理念
PyTorch 創(chuàng)始人：開(kāi)源成功的方法論
英偉達(dá)的 AI 霸主地位會(huì)持久嗎？
六、OpenAI 的通用人工智能洞察
從 0 到 1，OpenAI 的創(chuàng)立之路
GPT-4 首席科學(xué)家：第二次改變 AI 浪潮的方向
OpenAI 聯(lián)合創(chuàng)始人：GPT 的研究起源和構(gòu)建心法
OpenAI 首席科學(xué)家：通向無(wú)監(jiān)督學(xué)習(xí)之路
GPT 總設(shè)計(jì)師：大型語(yǔ)言模型的未來(lái)
OpenAI 首席科學(xué)家：直面 AGI 的可能性
Sam Altman 的成功學(xué)
七、AI 的應(yīng)用與未來(lái)
Transformer 作者：指令型智能體的構(gòu)建之法
GPT-4.5 前瞻：代碼解釋器，編程新紀(jì)元
ChatGPT 們的淘金時(shí)代
ChatGPT，大增長(zhǎng)時(shí)代的序幕
感謝貢獻(xiàn)一手資訊、資料與使用體驗(yàn)的 ShowMeAI 社區(qū)同學(xué)們！
? 點(diǎn)擊 ??日?qǐng)?bào)&周刊合集，訂閱話(huà)題 #ShowMeAI日?qǐng)?bào)，一覽AI領(lǐng)域發(fā)展前沿，抓住最新發(fā)展機(jī)會(huì)！文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-830952.html
? 點(diǎn)擊 ??生產(chǎn)力工具與行業(yè)應(yīng)用大全，一起在信息浪潮里撲騰起來(lái)吧！文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-830952.html
到了這里，關(guān)于哄哄模擬器：現(xiàn)象級(jí)爆款+1；音視頻轉(zhuǎn)錄翻譯神器MemoAI；AI新手戰(zhàn)地生存手冊(cè)；LLM技術(shù)年貨下載；大模型微調(diào)概述；AI大模型挑選指南 | ShowMeAI日?qǐng)?bào)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
