小度把文心一言集成了，做了个对话机器人，画风是这样的：
我儿：我水撒了
小度：你傻了，没关系啊，你傻了也还是很可爱啊。

我说咱做不好是不是就别硬做了。

RMBG v1.4一个新的背景分割开源模型，效果非常好，感觉跟现在顶尖的产品 remove bg 的效果不相上下了。

该模型在精心挑选的数据集上进行了训练，其中包括：普通图片库、电子商务、游戏和广告内容，使其适用于商业用例，为大规模的企业内容创建提供动力。

模型使用超过 12,000 张高质量、高分辨率、手动标记（像素精度）、完全许可的图像进行训练。

其准确性、效率和多功能性目前可与领先的开源模型相媲美。

模型下载：https://huggingface.co/briaai/RMBG-1.4

AI探索指南

elvis写了一篇非常详细的文章来介绍 RAG 生态的所有部分，还会添加清晰易懂的参考文献列表以及技术性编程教程帮助提高 RAG 系统的性能。 主要内容来自《大语言模型的检索增强生成：一项调查》这篇论文，我简要总结了一下文章每个部分的内容，感兴趣可以去看原文： 检索增强生成（Retrieval Augmented Generation, RAG）技术，旨在通过结合外部知识源，如数据库，来提升大语言模型（LLMs）的能力。它主要用于解决领域知识的缺失、事实性问题和生成错误。RAG特别适用于那些需要最新知…

RAG目前面临的挑战包括适应更广泛的上下文窗口、提高对虚假信息的抵抗能力、理解规模化定律，以及开发可投入生产的系统。此外，人们也在关注多模态RAG和为评估制定更细致的标准。

RAG工具

构建RAG系统可以使用包括LangChain和LlamaIndex在内的工具，以及针对不同目的的专业工具。云服务提供商也在提供以RAG为中心的服务，以促进RAG应用的发展。

原文链接：https://www.promptingguide.ai/research/rag

elvis写了一篇非常详细的文章来介绍 RAG 生态的所有部分，还会添加清晰易懂的参考文献列表以及技术性编程教程帮助提高 RAG 系统的性能。

主要内容来自《大语言模型的检索增强生成：一项调查》这篇论文，我简要总结了一下文章每个部分的内容，感兴趣可以去看原文：

检索增强生成（Retrieval Augmented Generation, RAG）技术，旨在通过结合外部知识源，如数据库，来提升大语言模型（LLMs）的能力。它主要用于解决领域知识的缺失、事实性问题和生成错误。RAG特别适用于那些需要最新知识、又不需针对每个特定任务重复训练LLM的应用场景，比如对话代理和知识密集型任务。

RAG如何工作

RAG通过接收输入的提示信息，从资源如维基百科中检索相关文档，再将这些文档作为上下文来生成回答。这种方法使LLMs能够访问最新的信息，并生成更准确、更可控、更相关的内容。它能及时适应不断变化的信息，这对于LLM来说至关重要，因为它们的知识库本身是静态的。

RAG系统的发展

RAG系统已经从初级阶段（Naive RAG）发展到高级阶段（Advanced RAG）和模块化阶段（Modular RAG），以解决性能、成本和效率的限制。高级RAG通过优化不同阶段，如预检索、检索和检索后处理，来提高检索质量。模块化RAG则通过调整不同的功能模块来适应特定问题的背景，提供了更大的灵活性。

RAG系统的关键组成

检索：包括提升语义表示、对齐查询与文档，以及调整检索器输出以符合LLM的偏好。
生成：涉及将检索到的信息转化为连贯的文本，并在检索后对LLM进行微调。
增强：在生成任务中融合检索到的段落的上下文，包括不同阶段和增强数据源。
RAG与模型微调
RAG适合用于集成新知识，而模型微调则有助于提升模型的性能和效率。这两种方法可以互补，结合提示工程（Prompting Engineering），能够优化LLM在复杂和可扩展应用中的表现。

RAG的评估

RAG系统的评估基于检索到的上下文质量和生成的内容质量。评估指标包括规范化折扣累计增益（NDCG）、命中率、F1值和精确匹配（EM）等。评估重点是上下文的相关性、答案的准确性和相关性，以及抗噪声能力和信息整合能力。

RAG面临的挑战与未来展望

Chat GPT发布之初就放出Demo的UI设计稿自动生成应用，今天终于向所有用户开放了。

支持文字图片以及线稿直接生成UI设计稿。
—
Galileo 1.0：改变游戏规则的 UI 提示平台现已向所有人开放。

我们的使命是增强设计师的创作过程，让设计变得简单、快速和神奇。

提出您的想法，让人工智能来完成繁重的工作。

开始使用： useGalileo.ai

最近在 kimi 和 ChatGPT 的帮助下，逐字逐句地精读了三篇AI相关的文章，觉得收获非常大。

很多困扰我已久的问题，在这三篇文章里看到了些线索。

比如，生成式 AI 生成的内容，当前无法实现精准控制，这个问题是否就无解呢？其实不是的，第一篇文章中就提到了他们的解法。

再比如，RAG 在处理幻觉方面这么牛，各种 RAG 技术的通用性如何呢？答案可能没那么乐观，因为他们可能只是某个特定 use case 上做得很好，但不意味着可以轻易推广到其他所有场景。

Fg5-OQHryWWiDpGDwug3BdihWT3dv3.jpg

1.2 MB

Fl0o4R1EgShUcO0eT32XlwGSt_1-v3.jpg

1.1 MB

FqzXb9EgGIGT5-rwX3Uct0o2rMv6v3.jpg

742 KB

程序员圈子里有个流传已久来吐槽测试的段子：

一个测试工程师走进一家酒吧，要了一杯啤酒；
一个测试工程师走进一家酒吧，要了一杯咖啡；
一个测试工程师走进一家酒吧，要了 0.7 杯啤酒；
一个测试工程师走进一家酒吧，要了-1 杯啤酒；
一个测试工程师走进一家酒吧，要了 2^32 杯啤酒；
一个测试工程师走进一家酒吧，要了一杯洗脚水；
一个测试工程师走进一家酒吧，要了一杯蜥蜴；
一个测试工程师走进一家酒吧，要了一份 asdfQwer@24dg!&*(@；
一个测试工程师走进一家酒吧，什么也没要；
一个测试工程师走进一家酒吧，又走出去又从窗户进来又从后门出去从下水道钻进来；
一个测试工程师走进一家酒吧，又走出去又进来又出去又进来又出去，最后在外面把老板打了一顿；
一个测试工程师走进一家酒吧，要了一杯烫烫烫的锟斤拷；
一个测试工程师走进一家酒吧，要了 NaN 杯 Null；
一个测试工程师冲进一家酒吧，要了 500T 啤酒咖啡洗脚水野猫狼牙棒奶茶；
一个测试工程师把酒吧拆了；
一个测试工程师化装成老板走进一家酒吧，要了 500 杯啤酒并且不付钱；
一万个测试工程师在酒吧门外呼啸而过；
一个测试工程师走进一家酒吧，要了一杯啤酒';DROP TABLE 酒吧；
测试工程师们满意地离开了酒吧。
然后一名顾客点了一份炒饭，酒吧炸了。

我发现作为一个开发，我也差不多是这么对待大模型的😝

🧪来点Niji6的提示词吧，复刻一下我之前在Niji5发过的一套风格，非常符合东亚的审美的美少女。少女的服装和头发会带有彩虹色的炫光。

提示词中为了保证人物的身材加上了“wearing a chubby bodysuit”这样的词，非常管用，另外为了营造这种独特的彩色炫光，使用了彩虹色头发、厚亚克力以及反射的彩虹色等词。

整套提示词—s的值越高炫光的表现就会越强烈，同时如果想要3D质感的话可以加C4D渲染或者UE5等词。

提示词：

k-pop girl, wearing a chubby bodysuit, anime waifu, looking at viewer, highlydetailed, Gel coat, reflections transparent iridescent colors, long transparent iridescent RGB hair, artby Serafleur from artstation, thick acrylic, illustration on pixiv, waist up portrait, gorgeoussacred girl, best quality, ultra detailed, sad, clever, beautiful face beautiful lighton black background, --ar 9:16 --style raw --niji 6

lgsS-YFrHE7KUgK84tit62FuSLelv3.png

11.1 MB

Kimi chat 背后的模型，moonshot模型正式开放了 API 申请。
而且完全与 OpenAI 的 API 兼容，可以很方便的迁移。最高的模型上下文为 128K 。

moonshot-v1-128k 模型的价格为0.06元，新用户会送 15 元的 Token 额度。

这里申请：platform.moonshot.cn/pricing

https://pythontoexe.vercel.app/

女朋友初学 python，想和我分享学习成果，但只能用干巴巴的截图或者分享代码链接的方式。她问我有没有更便捷的方式，于是我做了这个网站：一键把 python 代码打包为可以直接双击运行的 exe 文件。
这样，即使是 python 初学者，也可以写出直接供他人使用的 bmi 计算器，猜谜语之类的小程序了！欢迎访问～