👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦!
🤖 CopilotHub 招聘产品设计师,AI Agent C 端产品、远程工作、无限制带薪假期
https://app.copilothub.ai
这是一家成立于2023年的 AI Agent 初创公司,位于上海,目前已获得数家一线美元基金种子轮融资,团队成员来自全球头部社交产品、北美高校以及连续创业者
请将简历及作品集发送至邮箱 join@copilothub.ai,邮件标题格式为:产品设计师 - 姓名
CopilotHub 创始人 @加元.Jiayuan 在个人社交媒体上发布了「产品设计师 (Product Designer)」岗位的招聘信息,并且给出了详细的职位描述和任职要求,而且福利待遇很不错~ ⋙ 即刻 @加元.Jiayuan
🤖 MidJourney Prompt想象网站,一键帮你批量生成专业提示词
https://midjourney.talkgame.ai
MidJourney.TalkGame.Ai 是一个 Midjourney 的提示词拓展网站,可以根据模糊的、简单的描述 (或提示词),生成更多候选 Prompt,不仅可以丰富画面细节,还能激发更多灵感。
网站页面非常简洁,在输入框内描述想要创作画面的关键词,点击「想象」按钮,等待几秒钟就可以看到网站生成了中英双语的多个提示词,分为主题、风格、艺术家、作品、视角、光源等。
把鼠标悬浮在某个词上,可以看到这个提示词的相关介绍,点击即可选中这个提示词并出现在页面最下方。最后点击「复制」即完成了本次提示词的想象任务,可以开始绘画创作了!
🤖 初创公司 AI21 Labs 成为新晋独角兽,靠的也是帮助企业定制模型
8月31日,AI初创公司 AI21 Labs 在官网宣布已经完成了1.55亿美元的C轮融资,从而使得其总融资达到2.831亿美元,估值更是达到14亿美元。本轮投资者包括三星next、英伟达、谷歌、Pitango、SCB10X 以及英特尔创始人 Amnon Shashua 等。
AI21 Labs成立于2017年,总部位于以色列,是以色列唯一一家开发AI大语言模型的公司。公司的主要产品是大语言模型「Jurassic-2」、多语言阅读&写作AI助手「Wordtune」,通过易于使用的应用程序和 API为包括财富500强在内的客户提供服务,并由此构建了强大的客户群。
Wordtune:通过文本问答模式,自动生成文本、摘要、改写内容
Jurassic-2:帮助企业、个人开发者通过自身数据进行微调,以打造法律、销售、医疗、广告等特定业务场景的专属「ChatGPT」,所以是 OpenAI 的主要竞争对手之一 ⋙ AI21 Labs官网
🤖 游戏开发者三年心血成乌有,Steam以「包含AI内容」为由退回
这是 Reddit 论坛的一篇热帖,是一位开发者的控诉和求助,他耗费了数年心血和积蓄开发的游戏,因使用了 ChatGPT 而被 Steam 下架。
根据开发者的描述和在评论区的回复,可以了解到这款游戏中的AI模块是可选项,允许玩家使用 ChatGPT 替换 NPC 对话,并且不影响游戏本体,只是为了让游戏体验更加有趣。
但是在开发者向 Steam 提供相关信息并经过一个月的等待后,他收到了下架通知,几番联系也没有明确的解决方案,所以发帖求助。
帖子引起了广泛关注,许多网友对此表示同情并呼吁帮助,也有评论者指出了解平台的规定也是开发者必须注意的事项 ⋙ Reddit 原帖
🤖 大模型岗位人才风向如何?这是一线面试官的总结与建议
近期能明显感觉到,AI相关的社招和校招逐渐活跃起来了,ShowMeAI 日报和社群中一直在分享招聘相关信息。
分享一篇来自大模型岗位面试官的分享,一起了解下当前 LLM 人才市场的基本情况,以及候选者们在论文、训练经验、模型评测、落地场景等方面的履历情况。
有大模型方向论文的硕博很少,大部分论文还是在模型架构排列组合,屎上雕花:大家论文普遍目的是为了混饭吃,主要还是模型架构的小改进,方法复杂但效果不佳,并不能吸引到面试官,当然相关高质量研究论文的简历很抢手
有大模型训练经验简历的很少,有65B以上大模型全量训练的更少,有预训练的经验就像捡到了宝:主要是因为算力限制,大部分简历做的是边角工作 (例如 lora 和 ptuning 等),有65B全量训练更是稀缺,有完整的大模型从0起步训练经验可称为香饽饽,预训练经验更是稀缺
模型评测和强化学习方面经验很稀缺:是当前大模型的黑科技但做好很难,评测难在无法提早有效检验模型好坏,强化学习难在费卡又容易崩溃,这两方面有用经验太少
大模型选型上一定要紧跟行业主流认知:大模型要选择主流的 llama、ChatGLM等,不能用偏门模型,否则结论不被面试官认可,无法在一个层次交流
成功落地的场景稀少,目前都在探索阶段:真正成功落地的场景很少,都在探索阶段,各种问题难以解决,从0到完整落地的简历非常稀缺
大模型需求依然很旺盛,优秀简历很抢手:大公司和创业公司大模型职位需求旺盛,真正有经验的简历非常抢手
大模型八股文的频率高吗:简历扎实不会问八股文,会着重交流经验;简历一般会考察思维和基础八股文 ⋙ 阅读原文
🤖 深度拆解天花板级复杂的提示词,什么可照搬什么不要学
https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor
Mr.-Ranedeer-AI-Tutor 是一款非常强大的 Prompt 工具,可以让 ChatGPT 成为你的超级老师,辅助学习任何领域的内容,具有以下特点:
让你拥有随叫随到的专家级 AI 助教!
想怎么学就能怎么学,定制私人学习计划!
从小学到博士,一路伴你学习成长!
支持 免费版ChatGPT的GPT-3.5,配合 GPT-4 效果更佳!
这篇文章非常仔细地研究了 Mr.-Ranedeer-AI-Tutor 出神入化的 Prompt 技巧,总结了3条值得借鉴的技巧和2个要避开的坑:
经验1:用对格式AI记忆力和稳定性就能大幅提升
详细举例解释了用 json 格式组织 Prompt,形成清晰的层级结构,能更好地帮助 LLM 记忆要点
yaml 格式也能起到树状组织指令的作用,但比 json 更加简洁,当层级不复杂时也能使用
相比之下,markdown 只用
###
来区分层级,不太明显,只适合一层简单的分块
避坑1:严谨的 json 表达会让 GPT 丢失一些创造力
过于严格规范的 json 格式,会使 GPT 生成的回复变得中规中矩,就像降低了temperature一样
可通过用 yaml 形式、减少不必要结构、加入口语化表述等方式来增加 Prompt 的灵活性
经验2:对AI编程只需伪到极致的伪代码
Mr. Ranedeer像init、version这样的函数名,GPT就能无师自通地当作代码调用
完全不需要真正的代码格式,伪代码融入自然语言对GPT也足够,它能处理复杂逻辑 (但太口语化时GPT也可能辨别错误)
经验3:用code interpreter的内存大幅增强AI的记忆力
code interpreter能在内存中保存信息,被查询时再取出,极大增强了GPT的记忆力
解决了Prompt本身容量有限、GPT处理复杂学习内容时易失忆的问题
避坑2:专业领域的know how比Prompt技巧更重要
- Prompt技巧只是保证生成内容的下限质量,要提高上限还是需要领域内的专业知识 ⋙ 阅读原文
🤖 AI应用创业的共识与非共识,伟大往往超乎计划
作者结合过去半年跟数百位AI创业者的面对面交流,以及旁听近千场AI项目路演,逐渐展开本文来探讨,国内AI应用创业者在以下话题上有哪些共识与非共识:
未来难以精准预测,伟大往往超乎计划:当新的生产力革命和交互革命来临时,人们往往乐于预测未来,但过去的经验无法推断未来的范式;我们需要接受未来的不确定性,根据现实的数据反馈来修正我们的信念,并进行快速的行动和迭代
大模型创业还有没有机会:分析了十多家投资机构已经投资了十多家国内大模型公司,投资重心将放在AI应用层,建议AI应用公司把握现在最佳的融资时机
业务重要,还是融资重要:业务比融资更重要;作者建议如果产品还未达到产品市场适配度,应该把精力放在获得客户和业务增长上,也可以考虑客户支付、政府补贴等多种融资途径
不出海,就出局:AI应用若面向国内市场,可考虑不同的销售模式;若面向海外市场则可采用 PLG 模式,建议 AI Native 应用最好出海,针对国内大中型企业的则可不用考虑
中国市场到底需不需要SaaS:作者分析了目前阻碍 SaaS 发展的原因,但软件和服务的需求不会消失,AI Agent可能成为新的软件形态,直接跳过SaaS阶段
AI Agents是否是软件的最佳形态:2023年将是AI应用创业的元年,未来会出现大量AI应用,创业者需要社群支持,现在是AI应用创业的黄金时期 ⋙ 阅读原文
🤖 LangChain AI Handbook,一本非常系统和全面的教程性手册
这是 Pinecone 发布的系列文章,发布在官方博客上,全面介绍了 LangChain 的各个方面。该手册手册包含多章节,每章聚焦一个话题,如提示工程、会话记忆、检索增强、自定义工具等,是一篇针对LangChain使用的非常系统和全面的教程性手册。
- 介绍LangChain:概述了LangChain的核心组成部分,包括提示模板、大语言模型、代理和记忆等
LangChain
我们的第一个提示模板
Hugging Face Hub LLM
OpenAI LLMs
参考文献
- 提示模板和提示的艺术:探讨了设计更好提示的艺术和科学
提示工程
提示模板
资源
◉ 使用LangChain进行数据预处理:展示了如何对文本进行预处理和分块
- 对话记忆:探讨了如何使用会话记忆来构建更智能的聊天机器人
ConversationChain
对话记忆的形式
- 检索增强:演示了如何使用向量数据库来增强LLM,避免hallucination
创建知识库
LangChain向量存储和查询
◉ 项目-播客聊天机器人智能体:展示了构建播客聊天机器人代理的示例
- AI智能体:探讨了如何使用ReAct和会话代理来增强LLM的能力
什么是智能体?
智能体类型
参考文献
- 自定义工具:演示了如何为代理构建自定义工具
构建工具
参考文献
◉ 更多资源:提供了相关的Jupyter Notebook和开源LLM资源 ⋙ LangChain AI Handbook
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们!
◉ 点击 👀日报&周刊合集,订阅话题 #ShowMeAI日报,一览AI领域发展前沿,抓住最新发展机会!
◉ 点击 🎡生产力工具与行业应用大全,一起在信息浪潮里扑腾起来吧!