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!
主页:https://pages.segmentfault.com/google-hackathon-2023
2023 Google 开发者大会(Google I/O Connect|China)将于9月6日在上海拉开帷幕。以本次大会举办为契机,SegmentFault 思否黑客马拉松以「齐聚码力」为主题,召集开发者们在 32 小时内打造完善可行的解决方案。
报名参赛&创意提交的时间截至8月29日。进入决赛的上百位开发者们将在9月6日至9月7日齐聚一堂,共同挑战32小时将创意落地,完成创意脑暴、产品设计、代码实现和 Demo 展示。感兴趣可以预约路演直播和获奖队伍报道 ⋙ 了解更多
360集团创始人周鸿祎在微博发布了「360智脑招聘」信息,发布了多个岗位需求,包括:算法工程师/高级专家/资深专家、数据挖掘工程师/专家、推理引擎资深专家、AI大模型方向产品经理、分布式大模型训练框架研发专家、大模型训练算法工程师等。
上方是6个岗位的名称、岗位职责和任职要求。招聘邮箱:[email protected] 或 [email protected] ⋙ 微博@周鸿祎
8月22日,爱奇艺发布了2023年第二季度财报,并首次公布了其在 AIGC 方面取得的进展。
内部数据显示,目前「引入AIGC辅助剧本评估」对场景和人物拆解的准确率超过90%,有效提升了在剧本评估、预算规划和资源管理等方面的效率。
爱奇艺搭建的「星罗剧情理解平台」实现了对影视剧分钟级的理解,可以自动生成剧情对应片段及剧情看点,显著提升了搜索的精准度。
以目前热播综艺「乐队的夏天3」第一期大张伟表演的经典摇滚歌曲「静止」为例,用户只需在爱奇艺App内输入「大张伟」,就可以通过搜索联想词直接进入这一经典的舞台表演时刻 ⋙ 爱奇艺行业速递
8月24日,在阿里巴巴跨境浙商大会上,国际站总裁张阔发布了「生意助手」和「OKKI AI」两项服务,给每个商家都配上了AI助手,这也是首个在外贸产业落地的AI应用。其中,国际站商家可以使用「生意助手」,而「OKKI AI」是面向全行业所有商家开放,让所有外贸人都可以借助AI开启外贸新生意。
这两项AI服务可以帮助商家高效完成外贸生意所有环节,覆盖智能商品发布与管理、市场分析、客户接待、视频聊天实时翻译、企业管理等多项运营的提效功能。
通过这套AI产品,即便不懂外语、没有经验、缺乏专业人才,也都能在AI的辅助下顺畅地与海外客户交流、发布符合海外市场趋势的商品,完成外贸的各个环节 ⋙ 阿里巴巴国际站
这是一篇讨论大语言模型 (LLM) 时代对自然语言处理 (NLP) 研究方向产生影响的文章。文章从「中间层消亡」引入,指出ChatGPT这类端到端模型直接逼近高级任务,使得许多传统的中间任务 (如词性标注等) 变得无用武之地,同时也压缩了模型结构、损失函数等中间训练环节。
既然中间层消亡了,那该往哪里去呢?作者整理「向下」「向上」「艰难之路」这三条出路:
Capability:可以理解为如何训练出性能足够强大的基座模型,关注数据、Tokenizer、训练技巧等
Deployment:可以理解为怎么把获得的模型进行部署和高效使用,关注降低推理参数量、降低实际计算量、优化内存访问、解码技巧等
Infrastructure:可以理解为怎么给训练同学提供好用的软件硬件训练框架,关注分布式训练算法、硬件利用率优化、卡的管理和测试等
Alignment:让强大的基座模型对齐人类的意图和价值观,关注SFT、 RLHF、Scalable Oversight、测试模型的哪里会出现 misalignment 等
Agents:构建辅助人类的智能体,门槛不高,关注 Prompt Engineering、Agent 系统架构设计、外部能力接入等
Applications:LLM 在各个领域的应用,关注领域知识、对 LLM 各部分功能的了解、包含领域洞见的 Prompt
Theory:基于底层理论数学推导,获得一套理论公式后,接着去指导实际实验,需要扎实的数学物理基础
Interpretability:解释大模型的内部机制,目前进展有限,OpenAI 和 Anthropic 较前沿
作者文笔超级有意思!把前沿和艰深的内容解释得幽默通俗,非常推荐 ⋙ 阅读原文
作者将7月末的一场演讲整理成了图文,非常详细地介绍了近年来大语言模型领域的发展历程、技术原理、以及各类语言模型地使用技巧。如果你想全面了解这个飞速发展的领域,这篇文章是很好的选择:
什么是 LLM
一个生动的比喻:LLM 可以理解为3年前外星人遗落地球的一个U盘,人类一直用棍子戳来戳去试图了解它是什么、如何工作
LLM 本质上是一个文件 (例如 Vicuna 7B模型是一个 4.2GB的文件)
LLM 也可以看作是一个函数,可以完成文本生成,并且回答给定的问题
LLM是如何工作的
LLM 的工作原理是预测句子的下一个词,就像手机键盘会根据前文预测下一个词一样
大型 LLM 模型需要训练海量数据,需要大量计算资源
LLM预计的不仅是词,而是 1-30000 整数表示的词符,这可能带来语言偏见
LLM 发展的简要时间线
简要介绍了LLM发展历史,从2015年OpenAI成立,到2017年Transformer架构问世,以及后续GPT-1/2/3等模型的发布
2022年5月有论文发现了 GPT-3 的新功能,2022年11月ChatGPT推出则是一个分水岭
当前最优秀的 LLM 工具
- 推荐了ChatGPT (速度快)、GPT-4 (功能强)、Claude 2 (文本长度长)、Bard (基于PaLM) 和Llama 2 (领先的开源模型) 等当前较好的LLM
使用 LLM 的技巧
提供了一些使用技巧,比如注意模型的训练截止时间 (2021年9月)、注意输入文本长度限制、避免 hallucination 等
要建立正确的心理模型,理解其良莠不齐的输出
使用 LLM 进行编程
讨论了 LLM 在编程方面的应用,包括解释术语、命名 (提供多个选项)、API设计等
作者通过 LLM 提高了4-5倍的编程效率,并且展示了通过 LLM 生成测量文件大小脚本的示例
基于 LLM 我们可以构建什么
Giving them access to tools:基于ReAct模式,可以给 LLM 提供外部工具 (如Wikipedia) 的访问权限;作者展示了通过英文指令来「编程」控制 LLM 的示例
Retrieval augmented generation:使用搜索引擎为 LLM 提供额外上下文信息,辅助 LLM 生成答案;作者基于该方法构建了问答demo
Embeddings and vector search:词向量可表示文本语义,用于相似文本的向量空间搜索;作者介绍了词向量相关技术
ChatGPT Plugins
ChatGPT插件可以访问外部API,提供额外能力
作者构建了一个访问 Datasette API 的插件 Demo,并讨论了可能的陷阱
ChatGPT Code Interpreter
该工具让ChatGPT可以运行代码,解决 hallucination问题
作者通过它生成了Mandelbrot分形动画
LLM 的训练方式
LLaMA training data:LLaMA使用了大量爬虫、GitHub等数据,其中4.5%是Books3的数据集,包含大量侵权书籍内容
Reinforcement learning from human feedback:介绍了该训练方法对提高 LLM 质量的重要性
Openly licensed models
讨论了 Llama2 等开源 LLM 模型的情况,大多数模型发布时的许可并不是「开源」的,往往带有一大堆额外的限制
作者也介绍了开源社区无视许可证限制进行fine-tuning的现状
My LLM utility
https://llm.datasette.io/en/stable
这是作者开发的 LLM 命令行工具,可以实现生成release note等功能
Prompt injection
- 探讨了该安全问题, LLM 是易受攻击的;作者提出了该攻击的例子并链接了相关文章 ⋙ 阅读原文
这是云启资本与硅谷AI社群、Xbox/Riot Game/腾讯/Inworld多位行业专家/游戏创业者/投资人等的干货洞察,总结了AI正在为游戏行业带来的各个环节的范式革新。
游戏是内容制作的集大成者,越来越多来自AI、游戏、创意等不同背景的创业者正在进入这个领域。而多模态生成式AI的飞速迭代,使得游戏正在成为新的泛娱乐形式。
- 资产生成
AI工具的出现大幅提高了游戏资产生成效率 (文中例子的综合成本减少10%左右)
很多游戏大厂已有AIGC管线投入使用中 (如网易);硅谷已有多家创业公司切入赛道,为开发者提供游戏资产生成平台 (如Scenario、Kaedim、NVIDIA GET3D)
- 组织架构
AI改变了工作流,极大降低了「创意审核」的门槛和沟通成本,将更多资源转向创意领域,有些工作室已经将原本3个月的工作量压缩到了1周内
AI让「多面手」员工能够全面释放创造力,10+员工的小团队就可以全部完成原本需要几百几千人的大项目
- 游戏设计思路
核心仍是「让游戏好玩」,游戏开发者面对的最重要的问题仍然是玩家究竟在游戏里寻找什么,如何吸引更多新玩家、并提高粘性
当下可以研究「新技术带来了哪些设计思路上的新玩法」,例如在交互中生成奇幻世界、将现有的公共IP小说作品改编成在线社交角色扮演游戏等
- 运营链条
- AI对于游戏行业的改变,还覆盖到了发行、运营、营销等环节,使用AI工具提升效率,比如后台的数据分析如何直接连接至生产和设计等
AI Agent 的进化正逐渐打破游戏的既有设计理念,为游戏开发者提供了新的玩法思路
AI Agent 大幅提升 NPC 的交互、记忆、情感表现能力,极大提高玩家的「参与感」(例如网易「逆水寒」)
AI Agent 也已经被用来进行自动化测试,替代人工跑通所有关卡
UGC 是游戏运营的核心环节,AIGC 工具整体拉低了创作门槛,有利于 UGC 社区内容的蓬勃发展
当AI工具的「可即性」就像短视频拍摄一样简单时,游戏就有机会成为一个媒介平台,吸引屏幕关注时长 (类比抖音)
游戏是一个高度数字化、结构化的场景,几乎是大模型的最佳Playground,想象空间被无限拉高,也出现了新的问题
成本和算力仍然是最大的掣肘,大模型的「通用性」和「扩展性」也还没实现,商业模式有待开拓,生态仍在早期 ⋙ 阅读原文
Kaggle 举办的AI竞赛「LLM Science Exam」,目的是测试和比较不同语言模型在科学领域的知识理解和推理能力,参赛队伍需要提交一个可以自动解答这些科学问题的语言模型。
在开始训练我们自己的模型之前,学习一些大语言模型的基础知识是非常必要的!这篇Kaggle教程详细介绍了大语言模型的定义、发展历史、典型应用等相关知识,提供了在 Colab 上体验 LLM 的示例,以及如何在 Kaggle 平台上使用 LLM!
导言和设置:文章导入OpenAI模块,并详细展示了创建OpenAI账号、获取密钥、设置认证等步骤的代码,让读者可以清晰了解在 Kaggle Notebook 中完成调用API准备的全过程
使用 OpenAI API:给出了不同模型 (text-davinci-003、code-davinci-002等) 调用示例代码,并打印出完整的请求URL,让读者看到参数设置的细节,并且比较了各模型的区别和优劣
有任何错误的回答吗:使用代码调用API生成回答,检查语法、事实错误,像语言模型提问,验证其回答的错误
使用 Bing 进行更深入的探究:编写搜索引擎查询代码,将搜索结果与 LLM 回答进行对比,发现 LLM 回答的事实谬误
GPT-3.5基准精度:给出各种Prompt的代码实现,计算不同Prompt下回答的准确率,直观展示 Prompt Engineering 的重要性
更好的提示和对话:构建多轮对话代码,改变Prompt的说法,让LLM逐步改善回答
对回答进行评分:用 Python 建立打分函数,评价回答质量,并作图展示不同 Prompt 的分数分布,直观反映代码的可视化效果 ⋙ 学习教程 | LLM Science Exam
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!