AI探索指南

  1. 🧪#晚安提示词# 一套很容易出效果的人像,也可以用在占位图或者品牌宣传上

    🧪#晚安提示词# 一套很容易出效果的人像,也可以用在占位图或者品牌宣传上。#AI画图#

    需要更改的内容就是遮挡面部的物品,比如蝴蝶和花朵,还有就是整体的颜色氛围。

    提示词:
    a close up of a young Chinese male covered in white and purple flowers, in the style of cyberpunk realism, charming realism, exaggerated facial features, high resolution, enchanted realism, pale palette --chaos 5 --ar 2:3 --style raw --v 6
    006KpAl0ly1hmlff0e6dlj324023cb2f.jpg
    7.3 MB

  2. Josh Miller(Arc 浏览器 CEO)这个关于后 URL 时代(人工智能时代)的互联网畅想有点意思,Arc 最近的更新应该就是以这个判断进行的

    Josh Miller(Arc 浏览器 CEO)这个关于后 URL 时代(人工智能时代)的互联网畅想有点意思,Arc 最近的更新应该就是以这个判断进行的。#ai#

    这个东西可能很多人都想过,很早就有人提出来未来的 UI 会是一个对话页面加上各种匹配数据展示样式的组件来完成,Josh Miller这个更近一步解决了内容来源的问题,由网站自己暴露对应内容的元数据,然后在浏览器或者系统完成整合。

    文章内容大致介绍了互联网的未来发展方向,主要包含以下三个部分:

    1️⃣提到了一种新的元标签(Meta Tags),这些标签能够提供事实、媒体、小部件(例如,预约/航班可用性)给AI工具,使得每项任务都可以在单一标签页/视图中从头到尾完成,这样可以避免上下文切换。

    2️⃣“网站”和“应用”将直接嵌入在AI界面中(类似于过去嵌入的YouTube视频),并且有自定义样式权限以保留内容创造者的特色。自定义交互式小部件成为了一种新的应用平台。

    3️⃣用户代理(浏览器,操作系统)将拥有内置钱包,以便轻松完成微交易(例如,Apple Pay),这将减少消费者的摩擦,提高购买转化率,降低供应商和支付处理商的欺诈行为。

    每项任务都可以通过同一界面完成,无需上下文切换,无论用户身在何处,都可以进行购物、研究等。互联网来到了用户面前。

  3. 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

    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

  4. 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

    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

  5. 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

    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

  6. 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

    Forwarded from 优秀設計分享
    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

  7. 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

    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

  8. 10元!爱读书的一定别错过📖

    10元!爱读书的一定别错过📖

    无意中挖到了阿猫正在内测的小报童。

    觉醒合伙人共创专栏,每人推荐3本最“赚钱”的书籍,2024年推荐100本,读完少走3年弯路。
    包括纳瓦尔宝典、影响力、反脆弱等新个体必读书。

    看了几篇,这写的也太好了吧,想看完整的,自己扫图1下单哦早就是优势!

    错了过阿猫499元十的年读书会,10元内的测小报童一定能不放过啦!!

    前500位阅订小报的童小伙伴,都赠会送《职场裸辞创业,多赚30倍心法》,《影响我一生五的大原则》,外小加报童交流群

    这读者加入的速度太快了,一会会就加几百人了,速度入!

  9. 程序员圈子里有个流传已久来吐槽测试的段子:

    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😝