👀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！

🔥 蹭「酱香拿铁」热点的Midjouney绘图创意，好可爱的手机壁纸

小红书作者 @美学孤诣 使用 Midjourney 制作了「上个茅班」的手机壁纸，并且贴心地给出了 Prompt 提示词，感兴趣地小伙伴可以试着复现和微调。

🎯 组建 LLM 产品团队，发布招聘预告，你还有一周的准备时间

https://whjlnspmd6.feishu.cn/wiki/CxyAwzuQviuBA3kiTYyculhMnyg

@马丁的面包屑 从「光年之外」离职后加入了新的公司，并将于9月中旬开始着手组建产品团队。他在个人社交媒体账号上提前发布了招聘预告，用 3600 字非常详细地说了此次招聘地背景、新公司的情况、开放招聘的岗位及面试要点，以及最重要的简历投递方式和注意事项（就是上方截图部分）。

注意！马丁会在9月中旬正式启动面试流程，并在国庆前基本结束这个渠道的招聘。提前预告是为那些拥有「产品能力」却缺乏 LLM 认识的候选者一些准备时间。

整篇文档条例清晰一气呵成！不论本次是否求职，我都建议你认真读一读，看看目前冲锋在最一线的团队管理者和面试官关注什么、想要什么，思考自己能力版图还有哪些欠缺，进而安排之后的学习和提升 ⋙ 即刻 @马丁的面包屑

🏆 FlowGPT「提示词大赛」开放注册，下半年学习提示工程最好的机会

FlowGPT 允许用户分享和搜索 AI Prompt，自2023 年推出以来已吸引了超过 150 万用户，开发了 5000 + 提示词，并且维护了一个非常活跃的社区

FlowGPT 携手 Google、HuggingFace 等AI行业领军伙伴，带着「提示词比赛」来到了第3季。参赛者可以从近50个主题中选择自己喜欢的进行创作，瓜分超过10万元的奖池。

注意！提示词大赛为期一个月 (9月15号-10月13号)，参赛者需在此期间选择主题并上传自己的提示词。官方将根据社区喜爱度、大赛评委以及AI评委三种方式，评选出超过100个奖项，还有更多参与激励~

官方为了鼓励小伙伴们积极参与，在主题设定方面可谓「费尽苦心」，总能让你找到自己的发挥空间！提示词学一学没坏处的 ⋙ 点击这里报名

🧰 竟然可以使用 Stable Diffusion 生成类似 Apple emoji 的表情了！

https://replicate.com/fofr/sdxl-emoji

sdxl-emoji 是一款基于 Apple Emoji 的 SDXL 微调模型，可以通过输入提示词 A TOK emoji of [xxx] 来创造独一无二的emoji表情，并且支持非常详细的参数调整（类似 Stable Diffusion 的操作界面）。

工具可以在上方链接试玩，也可以调用 API 运行，生成过程和结果充满趣味性，用在聊天过程中也很能吸引目光和讨论 🎉

🧩 想体验百川最新开源模型 Baichuan 2？这里是魔搭最佳实践教程

https://modelscope.cn/models/baichuan-inc/Baichuan2-13B-Chat/summary

Baichuan 2 是百川智能推出的新一代开源大语言模型，采用 2.6 万亿 Tokens 的高质量语料训练，在权威的中文和英文 benchmark上均取得同尺寸最好的效果。

上周，百川智能宣布正式发布并开源 Baichuan 2 大模型，包括Baichuan 2-7B、Baichuan 2-13B、Baichuan 2-13B-Chat与其4bit量化版本，并且均为免费可商用。

Baichuan 2 已经上线「魔搭社区 (ModelScope)」，还上线了 Baichuan2-13B-Chat的体验Demo（就是配图右侧的「关联创空间」），可以在线体验实际效果哦~

魔搭社区 (ModelScope) 公众号还提供了一篇详细的演示教程，手把手说明 Baichuan2-7B-Chat和Baichuan2-7B-Base模型在ModelScope的Notebook环境的配置流程 ⋙ 这里是教程

👀 伟大是如何诞生的？追溯2012年AI往事，改变人类命运的180天

伟大之所以为伟大，不是因为其横空出世时的惊艳，而是因为它要在无边黑暗中，忍受漫长的籍籍无名与不被理解。直到多年之后，人们才能顺着这些标尺，感叹那时群星璀璨，天才辈出。

这是一篇长文，作者文笔非常出色，截取了2012年6月到12月这个时间片段，抽丝剥茧，找到了2023年AI大爆发的历史源头。

李飞飞、吴恩达、Hinton、LeCun、Google、Facebook、英伟达、百度、ImageNet、GPU、AlexNet…… 原来在遥远的2012年以及更遥远的2006年，在AI前途蒙昧不清的时刻，早已有群星闪耀。

推荐对AI感兴趣、乃至履历尚浅的从业者都来读一读这篇文章。让我们在曙光来临之前，一起仰望，记住这些星星们的位置。

2006年

深度学习的3个短板都被补足，产业化只剩下了时间问题

• 算法。辛顿和学生 Salakhutdinov 在 Science 上发表论文，第一次提出了梯度消失问题的有效解决方案，在算法层面迈出了一大步

• 数据。李飞飞意识到如果数据规模难以还原现实世界的原貌，再好的算法也很难通过训练达到「模拟人脑」的效果，于是她开始着手搭建 ImageNet 数据集

• 算力。英伟达发布 Tesla 架构的新款 GPU，并随之推出 CUDA 平台，开发者利用 GPU 来训练深度神经网络的难度大幅度降低，望而生畏算力门槛被砍掉了一大截

2012年

• 6月 - Google Brain 公开 The Cat Neurons (谷歌猫) 项目的研究成果，吴恩达 AndrewNG 动用 16000 块 CPU 训练并实现了 74.8% 的识别准确率，震惊业界

• 8月 - 辛顿 Geoffrey Hinton (吴恩达导师) 入职 Google 接手吴恩达工作，成为一名特殊的暑期实习生

• 10月 - 辛顿和自己的学生 Ilya Sutskever、Alex Krizhevsky 只用4块GPU创建了AlexNet 算法并提出了卷积神经网络，在 ImageNet图像识别比赛中以惊人的 84% 识别准确率夺得冠军，

• 12月 - Google 以4400万美元的价格收购辛顿和 Ilya Sutskever、Alex Krizhevsky 组件的新公司 DNNresearch (Ilya Sutskever也是 OpenAI 的创始人之一)，深度学习开始在业界获得广泛关注

2013年

• 1月 - 百度成立深度学习研究院IDL

• 12月 - 杨立昆 Yann LeCun (深度学习三巨头之一) 加入 Facebook，创办了该公司人工智能研究院

2014年

• 5月 - 百度聘请吴恩达加入IDL

• 6月 - Google收购DeepMind

2016年

• 3月 - DeepMind的AlphaGo 击败李世石

2017年

• 1月 - 百度聘请前微软高管陆奇加入

• 6月- Google发表论文 Attention Is All You Need ，提出Transformer网络模型

2022年

• 11月 - ChatGPT横空出世 ⋙ 推荐阅读长文

📚 2023年 NeurIPS 大语言模型效率挑战赛，这是官方的「入门指南」

https://llm-efficiency-challenge.github.io

NeurIPS大语言模型效率挑战赛 (NeurIPS Large Language Model Efficiency Challenge) 由NeurIPS主办，旨在鼓励研究人员开发更高效的大语言模型。

比赛要求参赛者使用1块GPU在24小时内训练一个LLM模型并参赛，评估标准是模型在各种任务上的性能，包括语言建模、文本分类、问答和生成任务等。

截止提交日期是2023年10月15日，感兴趣的可以参与或保持关注，后续官方会共享相关技术方案。

https://lightning.ai/pages/community/article/neurips2023-llm-efficiency-guide

这是比赛的参赛指南，可以帮助参赛选手更好地理解、参与和完成比赛的全部流程。整理了这篇教程的大纲和内容简介，快跟着大佬们把技巧学起来啦：

1. 这是一场什么比赛：介绍挑战赛的概况

2. 比赛概览：总结比赛的主要规则，包括允许的GPU、模型、数据集等

3. 官方启动工具包：推荐Lit-GPT代码库作为参赛的官方启动工具包

4. 设置项目环境：创建一个虚拟环境来组织代码依赖

5. 安装需求：安装Lit-GPT所需的Python包依赖

6. 下载模型检查点：下载比赛允许使用的语言模型权重

7. 下载和准备数据集：下载和预处理比赛允许使用的数据集

8. 建立微调基准：使用Lit-GPT对语言模型进行微调，建立一个基准性能

9. 使用模型：生成文本来检查微调后的语言模型

10. 更改微调设置：讨论一些微调的参数设置

11. 防止内存溢出错误：提出一些避免GPU内存不足的技巧

12. 研究方向：提出一些可能的研究思路

13. 在本地评估模型：在本地评估语言模型的性能

14. 提交结果：提交Docker镜像以参与正式评测

📺 台大2023秋季最新课程，深度学习音乐分析与生成 (持续更新中)

ShowMeAI知识星球资源编码：R182

深度学习音乐分析与生成 (Deep Learning for Music Analysis and Generation ) 是台大2023年秋季学期的最新课程，涵盖了基于机器学习 (尤其是深度学习) 技术完成音乐信息研究的理论与实践:

• 音乐分析：包括音频特征提取、音乐音频的表示学习、音乐分类、旋律提取、自动音乐转录和音乐源分离等话题

• 音乐生成：包括生成符号域的MIDI或谱表信息,以及生成音频域的歌声和器乐音乐等，涉及到GAN、VAE、Transformer、扩散模型等深度生成模型

课程目前陆续更新中，课程视频还没对外公布，不过课件已经能在 GitHub 获取了。放出的前3章课件已经放到 ShowMeAI 的知识星球了，可以下载啦~

• 第1周：课程介绍

• 第2周：基础知识和音乐表示

• 第3周：分析I(音色) - 自动音乐分类和表示学习

• 第4周：生成I - 音源分离

• 第5周：生成II - GAN和声码器

• 第6周：生成III - 音符和循环的合成

• 第7周：分析II(音高) - 音乐转录,旋律提取和和弦识别

• 第8周：分析III(节奏) - 节拍/强拍跟踪

• 第9周：生成IV - 符号域MIDI生成

• 第10周：生成V - 歌声生成

• 第11周：生成VI - 可微分信号处理模型和自动混音

• 第12周：项目推介

• 第13周：生成VII - 符号域MIDI生成 - 高级话题

• 第14周：生成VIII - 文本到音乐生成

• 第15周：杂项话题

• 第16周：期末项目演示

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！