??日報&周刊合集 | ??生產(chǎn)力工具與行業(yè)應用大全 | ?? 點贊關(guān)注評論拜托啦！
?? 太實用了！Stable Diffusion 的24個表情提示詞
Pensive 沉思
Smiling 微笑
Disgusted 厭惡
Laughing 大笑
Shocked 震驚
Frowning 皺眉
Crying 哭泣
Biting lip 咬唇
Pouting 掀嘴
Rolling eyes 翻白眼
winking 眨眼
Blushing 臉紅
Yawning 打哈欠
Nervous 緊張
Worried 擔憂
Staring 凝視
?? Awesome Chinese LLM 思維導圖，中文大語言模型關(guān)系圖譜
?? Llama 2開源且可直接商用，大模型格局發(fā)生巨大變化
7月19日，Meta 發(fā)布大模型 Llama 2，宣布免費且可以商用，GitHub 項目的 Star 在幾天時間里沖破 30K。一夜之間，大模型格局再次發(fā)生巨變。以下是 Llama 2 大模型的基本信息：
? 包含 70 億、130 億和 700 億三種參數(shù)變體，此外還訓練了 340 億參數(shù)變體，但并沒有發(fā)布，只在技術(shù)報告中提到了
? 在 2 萬億的 token 上進行訓練，相比于 Llama 1 的訓練數(shù)據(jù)多了 40%，精調(diào) Chat 模型是在 100 萬人類標記數(shù)據(jù)上訓練的
? 支持的上下文 token 長度翻倍，由原來的 2048 升級到 4096
? 免費可商用，但日活大于 7 億的產(chǎn)品需要單獨申請商用權(quán)限
OpenAI 研究科學家 Andrej Karpathy 在推特上表示：對于人工智能和 LLM 來說，這確實是重要的一天。這是目前能夠把權(quán)重提供給所有人使用的最為強大的 LLM。
對于開源社區(qū)來說，這個大模型就是「全村的希望」。它的出現(xiàn)將進一步縮小開源大模型與閉源大模型的差距，讓所有人都有機會基于它構(gòu)建自己的大模型應用 ? Llama 2網(wǎng)站 | Llama 2性能測試
?? 微軟推出 Bing Chat 企業(yè)版，并公布 Microsoft 365 Copilot 定價
7月18日，微軟公布了大模型產(chǎn)品的最新進展，包含推出 Bing Chat Enterprise (企業(yè)版) 預覽版，以及公布 Microsoft 365 Copilot 定價。
Bing Chat Enterprise 將會為用戶提供由 AI 支持的聊天功能，同時保護企業(yè)的商業(yè)數(shù)據(jù)—— Bing Chat Enterprise 不會保存聊天數(shù)據(jù)，微軟也無法對其進行監(jiān)視訪問。Bing Chat 企業(yè)版已經(jīng)推出預覽版，未來將發(fā)布獨立產(chǎn)品，采用付費訂閱模型，價格是每位用戶每月 5 美元。
Microsoft 365 Copilot 面向商業(yè)客戶的價格正式出爐，Microsoft 365 E3、E5、Business Standard和Business Premium客戶的價格將為每個用戶每月30美元。
根據(jù)微軟官方介紹，Microsoft 365 Copilot 以 Microsoft Graph 中的業(yè)務數(shù)據(jù)為基礎(chǔ)，包括所有電子郵件、日歷、聊天記錄、文檔等，可以幫助企業(yè)對所有業(yè)務數(shù)據(jù)進行推理，包括從會議/郵件中生成最新信息并發(fā)送給團隊、幫助了解項目進展、從內(nèi)部文件和網(wǎng)絡數(shù)據(jù)中創(chuàng)建SWOT分析、提出問題并從網(wǎng)絡上獲得答案等 ? Microsoft Blog
?? 手把手教你使用 ChatGPT 生成 SQL 語句
這篇文章介紹了使用 ChatGPT 生成 SQL 語句的具體操作過程，非?？犰徘覍嵱?！
作者先定義了一組示例數(shù)據(jù)庫表，然后讓 ChatGPT 根據(jù)表的文本描述自動推斷出表關(guān)系。結(jié)果！ChatGPT 居然把所有的表關(guān)系都推斷出來了！
難度升級。作者使用簡單的英語提示，讓 ChatGPT 生成「查詢客戶訂單數(shù)量」「查詢時間范圍內(nèi)訂單金額」SQL語句。ChatGPT 也通通做對了！寫出來的 SQL 語句一個比一個靠譜!
繼續(xù)升級。作者經(jīng)過測試發(fā)現(xiàn)，ChatGPT 能夠詳細指出不同數(shù)據(jù)庫的語法和函數(shù)差異所在，并且能夠根據(jù)作者要求生成專門適用于 SQL Server 的 SQL 語句！
作者總結(jié)了使用 ChatGPT 生成 SQL 語句的注意事項：
首先定義表，注意提示詞要盡可能簡單
確認 ChatGPT 理解了表結(jié)構(gòu)，如果沒有則需要添加一個提示，解釋所需的表關(guān)系
用簡單、明確的提示詞，描述想要的查詢結(jié)果
明確告知 ChatGPT 正在使用的數(shù)據(jù)庫
最后！一定一定要注意！ChatGPT自動生成的 SQL 語句并不能保證 100% 準確，需要經(jīng)過驗證 ? 閱讀原文
?? 開源LLM微調(diào)訓練指南：如何打造屬于自己的LLM模型
LLM應該算是目前當之無愧的最有影響力的AI技術(shù)。而很多人在領(lǐng)略了 GPT 等大語言模型的魅力后，迫不及待地考慮能將模型能力集成到自己的產(chǎn)品中去。
這篇文章就聊到了這個話題——大語言模型 (LLM) 微調(diào)訓練。這是一篇系統(tǒng)的 LLM 微調(diào)指南，對初學者掌握 LLM 微調(diào)技術(shù)非常有價值：
介紹：介紹了商用LLM模型存在的問題，包括使用成本高昂和數(shù)據(jù)隱私風險，因此建議微調(diào)開源LLM模型來實現(xiàn)自己的目標
什么是遷移學習：解釋了什么是遷移學習,以及如何通過微調(diào)預訓練語言模型來適應新的任務
選擇合適的基礎(chǔ)模型：提出了選擇基礎(chǔ) LLM 模型的方法，包括參考模型排行榜、檢查許可證、注意模型大小等，推薦使用 Hugging Face 的 falcon 系列
如何準備模型訓練數(shù)據(jù)：詳細解釋了如何準備高質(zhì)量的 LLM 訓練數(shù)據(jù)集，包含數(shù)量、自動生成、遵循的格式等方面
如何選擇模型訓練環(huán)境：推薦了模型訓練環(huán)境的選擇，推薦了各種獲取 GPU 資源的方式，建議初學者使用 Google Colab
開始訓練你的 LLM 模型：指導了如何用 Hugging Face 的 Transformer 庫加載模型，并使用 QLoRA 技術(shù)進行微調(diào)
模型推理：給出了模型推理的代碼示例，展示了如何使用微調(diào)后的模型生成回復
總結(jié)：總結(jié)要點，微調(diào)開源LLM模型可以獲得比較好的結(jié)果，適合各種實際應用場景 ? @技術(shù)狂潮AI
?? 小白秒變大神的 Python 速查表大全！這份搶手秘籍教你開掛
這是一份詳細且全面的 Python 語言的速查表，可以幫助 Python 開發(fā)者快速查找和理解 Python 的各種語法和特性，可以作為非常好的語法參考手冊。
速查表由7個主要部分組成，每部分都包含了基本操作、用法、示例代碼：
集合類型：包含列表、字典、集合、元組、range、枚舉、迭代器和生成器等的常用方法
數(shù)據(jù)類型：包含類型、字符串、正則表達式、格式化、數(shù)字、組合數(shù)學和日期時間等的用法
語法：包含參數(shù)、內(nèi)聯(lián)函數(shù)、導入、裝飾器、類、鴨子類型、枚舉、異常等的用法。
系統(tǒng)：包含退出、打印、輸入、命令行參數(shù)、文件操作、路徑、系統(tǒng)命令等用法
數(shù)據(jù)處理：包含 JSON、Pickle、CSV、SQLite、字節(jié)、結(jié)構(gòu)化數(shù)據(jù)、數(shù)組、內(nèi)存視圖和雙端隊列等的使用
高級用法：包含線程、操作符、自省、元編程、求值和協(xié)程等的用法
常用庫：包含進度條、繪圖、表格、命令行界面、日志、網(wǎng)頁抓取、網(wǎng)絡請求、性能分析、數(shù)值計算、圖像、音頻、游戲、數(shù)據(jù)分析等方面的庫的簡單用例
附錄：包含 Cython、PyInstaller、模板腳本等的相關(guān)內(nèi)容 ? Comprehensive Python Cheatsheet
?? LLM 開發(fā)必修課，6周教你用熱門框架開發(fā)商業(yè)級 LLM 產(chǎn)品
ShowMeAI知識星球資源編碼：R173
這是 Databricks 出品的「Large Language Models: Application through Production (大語言模型：產(chǎn)品中的應用)」在線課程，國內(nèi)小伙伴們可以在 edX 網(wǎng)站免費觀看。
這門課程面向開發(fā)人員、數(shù)據(jù)科學家和工程師，幫助使用最流行的框架 (如Hugging Face、LangChain) 來構(gòu)建面向大語言模型的應用程序。通過這門課程的學習,你能夠構(gòu)建一個端到端的LLM工作流程，使其準備上線生產(chǎn)。
課程章節(jié)
? 模塊1：用LLM應用
? 模塊2：嵌入、向量數(shù)據(jù)庫和搜索
? 模塊3：多階段推理
? 模塊4：LLM的微調(diào)和評估
? 模塊5：社會與LLM-偏見和安全
? 模塊6：LLMOps
學習收獲
? 如何使用流行的庫 (如Hugging Face、LangChain) 將 LLM 應用到自然語言處理 (NLP) 的實際問題中
? 如何使用嵌入和向量數(shù)據(jù)庫將域知識和記憶添加到 LLM 流程中
? 理解預訓練、微調(diào)和提示工程的細微差別,并將這些知識應用到自定義聊天模型的微調(diào)中
? 如何使用不同的方法來評估 LLM 的效果和偏見
? 如何實現(xiàn) LLMOps 和多階段推理最佳實踐的 LLM 工作流程
? 如何利用 LLMOps 最佳實踐在規(guī)模上部署模型 ? Edx
感謝貢獻一手資訊、資料與使用體驗的 ShowMeAI 社區(qū)同學們！
? 點擊 ??日報&周刊合集，訂閱話題 #ShowMeAI日報，一覽AI領(lǐng)域發(fā)展前沿，抓住最新發(fā)展機會！文章來源：http://www.zghlxwxcb.cn/news/detail-854259.html
? 點擊 ??生產(chǎn)力工具與行業(yè)應用大全，一起在信息浪潮里撲騰起來吧！文章來源地址http://www.zghlxwxcb.cn/news/detail-854259.html
到了這里，關(guān)于實用！SD人物表情提示詞合輯；秒變大神的Python速查表；開源LLM微調(diào)訓練指南；LLM開發(fā)必修課 | ShowMeAI日報的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY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)！
