AI探索指南

  1. AI 的进步真的太快了!人物一致性越来越不是问题,同一份 Prompt 在同一个对话上下文中,无需参照图人物都能保持很好的一致性

    AI 的进步真的太快了!人物一致性越来越不是问题,同一份 Prompt 在同一个对话上下文中,无需参照图人物都能保持很好的一致性。😍

    小红书网红起号越来越简单了!以后还能分辨的出来吗?🥲

    下面是用 Seedream4.0 生成的,Prompt 见评论

  2. 推荐学习下微软搞的这个 R&D-Agent 框架,

    推荐学习下微软搞的这个 R&D-Agent 框架,https://github.com/microsoft/RD-Agent ,它是一个让 AI 能够自己做科研的系统——能提出问题、设计实验、验证结果、总结规律,整套科研流程都能自动化执行。

    微软还基于这套框架,构建了一个用于量化投资研究的智能体 R&D-Agent(Q),https://github.com/microsoft/qlib,并与开源量化平台 Qlib 结合,实现了自动化因子挖掘与策略优化。照这个趋势发展下去,未来的量化研究,恐怕真得交给 AI 来操盘了,😅

    R&D-Agent 的整体架构分为两个阶段:研究阶段(Research Phase)和开发阶段(Development Phase)。研究阶段由四个部分组成:规划、探索路径结构、推理管线和记忆上下文,它们通过反馈机制持续循环,不断在假设、实验与分析之间往复,让系统在多轮探索中自动调整方向、积累知识、优化策略;开发阶段则承接研究成果,主要包括编码工作流与评估策略,前者把想法变成可执行代码,后者负责验证与对比结果,确保系统演化出的改进真实可靠。两个阶段形成首尾相接的闭环,让科研过程实现持续反馈与自我进化。

    从本质上看,R&D-Agent 不是在“模拟科研”,而是在“系统化科研”。它让科学探索从线性的人力流程,转变为并行的智能网络。每一次假设的提出与验证,都会被记录下来,形成一份不断扩展的知识图谱,让科研活动变得可编排、可追踪、可积累。

    相关论文:1)《R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science》,https://arxiv.org/abs/2505.14738 ;2)《Qlib: An AI-oriented Quantitative Investment Platform》,https://arxiv.org/abs/2009.11189

  3. 提高AI能力最简单有效的方式:

    提高AI能力最简单有效的方式:

    1、找到领域内优质信息
    2、让AI看优质信息,整理总结方法论
    3、把方法论文档作为上下文喂给AI,让AI基于方法论做事情

    我举个例子:
    - 我把推特公开的算法信息整理了一遍,让AI总结了md文档,我人工review调整
    - 把文档给了AI,让AI基于这个文档调整我们之前讨论的评分算法,重新做了打分拟合
    - AI获取账号推文,批量做了一遍评估,找到了某个领域内的benchmark
    - 按照这个benchmark打分拟合来筛选优质账号

    全程不需要程序员,AI自己就能写python干
    干完了一遍,把这个链路沉淀提示词做成agent workflow就可以了
    甚至你还可以搞个GUI就可以产品化

    基于兴趣的探索,在这个阶段下优势被AI无限放大了

  4. 没想到机器人在法国那么火,世界上能超越文化和语言去聚拢人的东西屈指可数,机器人算一种,顺便分享朋友若愚的微博观点:

    没想到机器人在法国那么火,世界上能超越文化和语言去聚拢人的东西屈指可数,机器人算一种,顺便分享朋友若愚的微博观点:
    理想汽车负责融资的同学说之前去德国,老外反应都很冷淡,最后有个当地女高管嘟囔:“汽车是我们发明的,你们中国人为什么要尝试来欧洲卖汽车?”;理想的前同事哲伦班长说:汽车文化就是从欧洲兴起的,这是毋庸置疑的事实,今天我们做的所有事情都只是在努力变得更优秀,但打破固有认知很难很难。但机器人这件事,中国从一开始就有机会领先,中国的机器人优秀这件事,恐怕很容易就会被写在全球观众的心智里。
    祝福中国的机器人公司都大有可为,也希望自己在这段路中能为机器人行业做出一些独特贡献,比如探索出有创意的海外落地场景、海外宣传&海外融资机会。