关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
附上前一条动态的操作视频🤭-“cursor 真的……今天处理采访音频懒得去一刀一刀剪了，直接告诉cursor写个程序把一个音频按照说话者分成多个不同的音频。一下就写好了，跑起来有点慢，我再说基于 Mac M 芯片优化下，立马又用上了 mps，一分钟就搞定了整个任务😭”
给 ComfyCommunity 开发了一个主页。
▶ 主页地址：https://comfycommunity.com
开发内容包含了：导航栏、底部问卷跳转、跳舞的猫、游动的鱼、随机放的烟花。
并且适配了手机端！！！
▶ 设计 feat with @Simon阿文
▶ 开发 feat with @nhciao & Cursor
Invalid media: video
▶ 主页地址：https://comfycommunity.com
开发内容包含了：导航栏、底部问卷跳转、跳舞的猫、游动的鱼、随机放的烟花。
并且适配了手机端！！！
▶ 设计 feat with @Simon阿文
▶ 开发 feat with @nhciao & Cursor
Invalid media: video
我快速看了下参展名录，新一波人形/通用机器人里，好像只看到宇树和钛虎。
再之前的协作机器人（也以通用机器人为目标）：非夕、思灵（带着去年收的德国公司 Franka 一起）、艾利特等会在，它们以前也去。
Contextual Retrieval embeddings + contextual BM25，检索失败几率降低 49%。
主要方法是：
使用 Claude 为每个文本片段生成上下文。具体做法是将文本片段和整个文档一起输入给 Claude。
在进行嵌入 处理之前，先将生成的上下文添加到每个文本片段的前面。
在检索步骤中，结合使用上下文嵌入和上下文 BM25 技术。
需要配合提示缓存来使用，不然会消耗大量 Token。
详细信息：https://www.anthropic.com/news/contextual-retrieval
支持跟Cursor一样的功能比如Tab补全代码，Ctrl + K编辑选中内容。
支持用 AI 搜索代码库，支持编辑和查看底层提示。
可以使用任何本地的 LLM 驱动，也可以使用Claude、GPT 或 Gemini 的 API，不会留存你的数据。
项目地址：https://voideditor.com/
原来杨植麟还有这个价值！
昨天聊了个在ICML发过论文的年轻小伙
期间我们聊到了Kimi和杨植麟
这是他锐评国产大模型的其中一站
他对杨植麟和Moonshot
是高度认可及关注的
我问为何？他说的大意如下：
杨植麟代表的
是年青一代最优秀的AI人才
如果他创办的大模型公司都没成
那后面那么多小朋友会觉得没希望
包括对整个生态都会有很负面的影响
如果他都没成
比他“低一档次”的人才凭什么能拿到融资
昨天聊了个在ICML发过论文的年轻小伙
期间我们聊到了Kimi和杨植麟
这是他锐评国产大模型的其中一站
他对杨植麟和Moonshot
是高度认可及关注的
我问为何？他说的大意如下：
杨植麟代表的
是年青一代最优秀的AI人才
如果他创办的大模型公司都没成
那后面那么多小朋友会觉得没希望
包括对整个生态都会有很负面的影响
如果他都没成
比他“低一档次”的人才凭什么能拿到融资
有时候两个看起来不相干的小突破组合一下会产生非常厉害的效果。
我搞了一个视频。
这玩意完全是可以自动化的，而且可以批量生产，任何主题都行。
里面音频用了谷歌 NotebookLM 的论文介绍。
口型视频用了HeyGen 的虚拟人像。
再加上论文中本来具有的一些素材，一份原创论文解读视频就好了。
Invalid media: video
我搞了一个视频。
这玩意完全是可以自动化的，而且可以批量生产，任何主题都行。
里面音频用了谷歌 NotebookLM 的论文介绍。
口型视频用了HeyGen 的虚拟人像。
再加上论文中本来具有的一些素材，一份原创论文解读视频就好了。
Invalid media: video
这几天o1尝试下来的一点点感受：
我们目前看到的是 o1 这个模型的 preview，甚至都不是最后的模型，也远非一个完整的产品。比起 ChatGPT，它更像是 GPT-3 的发布，正如 GPT-3 体现了 pretraining scaling law 带来的能力涌现，o1 体现了 inference scaling law 带来的推理能力提升。GPT-3 刚刚发布的时候，对于学术界是非常震撼的，但是普通用户完全不知道怎么把它用好，在 instructGPT 完善了 instruct following 能力后，又出现了ChatGPT ，找到了合适的产品形态；同样，怎么把 o1 带来的推理能力用好，现在的 ChatGPT 可能完全不是合适的产品形式，需要全行业去探索。
一方面，在 ChatGPT 里面，非常有可能用户越来越不需要主动选择用什么模型——类似我们不会跟一个人明确说你现在要用 system 1 还是 system 2 思考一样，产品应该自动选择合适的模型回答问题。另一方面，可能会有更加适合 system 2 的产品形态出现：ChatGPT 这里的 chat 名字和 UI 形态，隐含了「尽快回复」的期待，对于 system 2 的问题可能不那么适合。例如我们可以和分析师实时聊天，但对于一个需要深度思考的问题，我们更加可能是发一封邮件或者一个 ticket并且期待一个异步的update或回复。
接下来应该会出现很多用 thinking time 换 performance 的异步产品，给 AI 几十秒，几分钟，或者几个小时甚至几天时间思考，能够换来多少额外价值？这个地方产品发挥的空间应该是很大的。
我们目前看到的是 o1 这个模型的 preview，甚至都不是最后的模型，也远非一个完整的产品。比起 ChatGPT，它更像是 GPT-3 的发布，正如 GPT-3 体现了 pretraining scaling law 带来的能力涌现，o1 体现了 inference scaling law 带来的推理能力提升。GPT-3 刚刚发布的时候，对于学术界是非常震撼的，但是普通用户完全不知道怎么把它用好，在 instructGPT 完善了 instruct following 能力后，又出现了ChatGPT ，找到了合适的产品形态；同样，怎么把 o1 带来的推理能力用好，现在的 ChatGPT 可能完全不是合适的产品形式，需要全行业去探索。
一方面，在 ChatGPT 里面，非常有可能用户越来越不需要主动选择用什么模型——类似我们不会跟一个人明确说你现在要用 system 1 还是 system 2 思考一样，产品应该自动选择合适的模型回答问题。另一方面，可能会有更加适合 system 2 的产品形态出现：ChatGPT 这里的 chat 名字和 UI 形态，隐含了「尽快回复」的期待，对于 system 2 的问题可能不那么适合。例如我们可以和分析师实时聊天，但对于一个需要深度思考的问题，我们更加可能是发一封邮件或者一个 ticket并且期待一个异步的update或回复。
接下来应该会出现很多用 thinking time 换 performance 的异步产品，给 AI 几十秒，几分钟，或者几个小时甚至几天时间思考，能够换来多少额外价值？这个地方产品发挥的空间应该是很大的。
在日本，Lovot有约2万的销量，日活和周活达到了95%以上。尤其最受30-50岁女性欢迎。
LOVOT 是日本机器人公司 GROOVE X旗下产品，创始人林要被称 Pepper人形机器人之父（Pepper就是昨天长得像我那个🤖）
不会说话、不会扫地、不会家庭安全监测、也不会作为控制智能家居……但是Lovot会眨眼睛卖萌，会主动伸手要抱抱，能跟着人像个跟屁虫一样跑。
19年发售的产品，AI的部分在今天看不算惊艳，但价格还很坚挺：单个售价34.9万日元，相当于东京普通人的月收入。
今年开始，国内上海也有门店，7万元人民币起售。
也许，Chatbot是AI与AI好的交互方式，而不是人和AI好的交互形式。
小孩和老人，都喜欢毛绒绒的小猫小狗，也喜欢毛绒玩具。
用拥抱等肢体语言代替语言。可能这也是一种好的人和AI的交互。
