日报&周刊合集 | 生产力东西与行业使用大全 | 点赞关注谈论托付啦！
因 Twitter 限流，很多海外画师涌入微博哈哈哈哈
7月3日，马斯克忽然发推宣告用户浏览数量约束，新账户、未认证老用户、认证用户别离能够浏览 300 / 600 / 6000 条推文，随后这一约束放宽到 500 / 1000 / 10000 条。
一开始给出的理由是防止用户沉迷互联网，后被扒出实在原因是节省本钱——与谷歌托管合同到期，而马斯克不想付出高达10亿美元本钱，顺路堵了那些练习大模型的爬虫。
Anyway，这一规则让很多画手翻过围墙注册微博，并表示这里好好玩儿哈哈哈哈~ ⋙ 微博 @少年JUMP吧
腾讯云发布向量数据库，搭建数据与大模型的桥梁
7月4日，腾讯云正式发布国内首个AI原生的向量数据库 Tencent Cloud VectorDB。向量数据库广泛地用于大模型练习、推理和知识库弥补等场景，将企业接入大模型的时刻，从之前的一个月压缩到三天以内。
腾讯云向量数据库，现已在腾讯公司内部事务中得到长期运用和价值验证，现在现已覆盖腾讯视频、QQ浏览器、QQ音乐等上百个事务场景，每日调用量超千亿次 ⋙ @腾讯云
金山工作宣告与英伟达团队协作，加速WPS AI服务
7月3日，金山工作经过官方公众号宣告，与英伟达 (NVIDIA) 团队达到协作，经过 NVIDIA Tensor Core GPU、TensorRT 提升图像文档辨认与了解的推理功率。
借助 NVIDIA Triton 推理服务器的布置，成功优化 GPU 利用率，供给高推理吞吐量。相比于 CPU 其 pipeline 耗时共下降 84%；采用 NVIDIA Triton 推理服务器布置，其布置本钱节省了 23% ⋙ @金山工作
企查查发布全球首个商查大模型「知彼阿尔法」
7月3日，企查查共享了其近期发布的全球首款商查大模型「知彼阿尔法」，根据企查查全量可信数据进行深度练习，为用户供给专业的企信数据，及多样化的分析结果。
相较于传统商查渠道，后续根据知彼阿尔法商查大模型构建的产品完成了以下三个方面的变革：
▢ 人机交互方面完成运用自然言语对话，即能完结杂乱的查询步骤
▢ 技能方面针对用户所提需求完成了秒级呼应
▢ 新增「多轮对话」功用，让商查渠道具备了逻辑考虑能力 ⋙ @企查查
怎么运用 ChatGPT 编撰简历和求职信
简历和求职信的编撰与不断修改，是求职进程中最令人头大的环节。本文解说怎么运用 ChatGPT 加速这一进程，并获得极佳的效果！
不过，需求留意的是，求职者需求对简历和求职信的格局、关键、逻辑等有厚实的了解；以及，实在的个人风格展现才是让简历锋芒毕露的原因。
运用 ChatGPT 编撰简历和求职信的技巧
运用简略专业的格局：运用常见的模板格局，保证内容出现简洁美观而且易于阅览
Less is More：显示中心关键和结果，删除不必要的细节
全程参与校正：保证内容精确，以及语法和行业术语无误
有自己的风格：保证简历和求职信具有特性和风格，而不仅仅是谈天机器人千人一面的输出
运用 ChatGPT 编撰简历或求职信的缺陷
人工智能技能十分新颖，存在各种输出过错或不满意的可能，需求不断测验和调整
大模型的数据库假如未能联网，那么其对2021年后的世界了解有限
输出质量彻底取决于输入质量，假如输入的提示词不行具体，输出也会是含糊抽象的
大模型可能会美化和放大工作成就，需求人工校正保证其内容不构成说谎
大模型可能会生成有偏见的、过错的的内容，需求认真校正
运用 ChatGPT 编撰简历的提示词
▢ I am going to provide my resume and want you to act as a reviewer and provide feedback on it. How can I make it more readable? Are there any action verbs I should use? Am I using too many buzzwords?
▢ I will provide you with a job description for a position I am applying for. Understand the key points and requirements for this role and summarize them. Then review my resume and provide feedback on how to tailor it for this job.
运用 ChatGPT 编撰求职信的提示词
▢ Write a cover letter for a [position] role at [Company] in a professional tone. Use my resume and the job description as a reference.
▢ I want you to review my cover letter for readability and relevance to a job post. I will share the job post as a reference. Tailor my cover letter for the job referenced in the post and adjust wording to make it more relevant. ⋙ @microsoft
Stable Diffusion 电脑装备引荐
这份文档具体列出了不同需求和预算情况下，引荐的电脑装备具体信息，包含CPU、散热、主板、内存、硬盘、显卡、电源、机箱。有需求的小伙伴能够参阅：
▢ 基础装备 / 5500元
▢ 进阶装备 / 9000元
▢ 性价比装备 / 10000元
▢ 高档装备 / 14000元
▢ 最优装备 / 21000元 ⋙ @SD引荐电脑装备
MiniMax 独家访谈：锦衣夜行仍是低调的野心家？
MiniMax 是谁？
在大模型公司纷纷抢占用户留意力的时候，MiniMax 这个名字似乎并不「响亮」。不过知情的行内助对这家公司评价都不错——既有头部本钱的支撑，又有米哈游、腾讯、小红书等大厂的喜爱，MiniMax 站立在聚光灯下，披着一身的「神秘感」。
这篇专访咱们得以了解 MiniMax 这家公司对 AGI 的崇奉，对技能的追求。以下摘抄采访的高光金句，感兴趣能够阅览原文：
在咱们还没能达到自己等待的时候，过多「出头露面」，反而耗费的是市场和社会对大模型事业的期望值
对于全链路自研，MiniMax 的目标适当执着，现在模型每周都会做迭代更新，这对整个体系有着十分高的算法要求和工程标准
MiniMax 为金山工作旗下的智能工作帮手 WPS AI 供给多种大模型能力，结合工作场景的事务需求，大模型能够协助用户完结文本生成、关键总结、任务分发、表格和演示生成等任务
在内部，MiniMax 常常用「造一艘火箭」来描述自己的状态——在火箭成功上天之前，全部都应该踏踏实实为技能开展服务 ⋙ @雷锋网
斯坦福大学AI课程设置：67 门课程构建学习路径
ai.stanford.edu/courses
斯坦福大学将 67 门AI相关课程聚合在一同，构建了这个课程合辑，便于进行课程挑选和学习。
斯坦福大学作为世界一流的大学，出品的核算机、机器学习、深度学习等系列课程一直备受好评。课程的公开视频、课件和作业等是很多入门者体系学习的首选。
| Course # | Course Name | 课程名称 |
|---|---|---|
| CS124 | From Languages to Information | 从言语到信息 |
| CS129 | Machine Learning (Applied) | 机器学习(使用) |
| CS139 | Human-Centered AI | 以人为本的人工智能 |
| CS157 | Computational Logic | 核算逻辑 |
| CS205L | Continuous Mathematical Methods with an Emphasis on Machine Learning | 以机器学习为重点的连续数学方法 |
| CS21SI | AI for Social Good | 人工智能促进社会公益 |
| CS221 | Artificial Intelligence: Principles and Techniques | 人工智能： 准则和技能 |
| CS223A | Introduction to Robotics | 机器人学简介 |
| CS224N | Natural Language Processing with Deep Learning | 深度学习的自然言语处理 |
| CS224R | Deep Reinforcement Learning | 深度强化学习 |
| CS224U | Natural Language Understanding | 自然言语了解 |
| CS224V | Conversational Virtual Assistants with Deep Learning | 运用深度学习的对话式虚拟帮手 |
| CS224W | Machine Learning with Graphs | 图形的机器学习 |
| CS225A | Experimental Robotics | 实验性机器人技能 |
| CS227B | General Game Playing | 一般的游戏玩法 |
| CS228 | Probabilistic Graphical Models | 概率图解模型 |
| CS229 | Machine Learning | 机器学习 |
| CS22a | Social & Economic Impact of Artificial Intelligence | 人工智能的社会和经济影响 |
| CS230 | Deep Learning | 深度学习 |
| CS231A | Computer Vision: From 3D Reconstruction to Recognition | 核算机视觉： 从三维重建到辨认 |
| CS231N | Deep Learning for Computer Vision | 核算机视觉的深度学习 |
| CS233 | Geometric and Topological Data Analysis | 几何和拓扑数据分析 |
| CS234 | Reinforcement Learning | 强化学习 |
| CS236 | Deep Generative Models | 深度生成模型 |
| CS236G | Generative Adversarial Networks | 生成式对抗网络 |
| CS237A | Principles of Robotic Autonomy | 机器人自主性原理 |
| CS237B | Principles of Robot Autonomy II | 机器人自主性原理II |
| CS237B | Deep Learning in Genomics and Biomedicine | 基因组学和生物医学中的深度学习 |
| CS238 | Decision Making Under Uncertainty | 不确定条件下的决议计划 |
| CS239 | Advanced Topics in Sequential Decision Making | 顺序决议计划中的高档课题 |
| CS24 | Minds and Machines | 心灵与机器 |
| CS247A | Design for Artificial Intelligence | 人工智能的规划 |
| CS271 | Artificial Intelligence in Healthcare | 人工智能在医疗范畴的使用 |
| CS279 | Computational Biology: Structure and Organization of Biomolecules and Cells | 核算生物学： 生物大分子和细胞的结构和安排 |
| CS279 | Comp Biology: Struct & Org of Biomolecules & Cells | 核算生物学： 生物大分子和细胞的结构和安排 |
| CS281 | Ethics of AI | 人工智能的道德 |
| CS31N | Counterfactuals: The Science of What Ifs | 反事实： 假如的科学 |
| CS320 | Value of Data and AI | 数据和人工智能的价值 |
| CS322 | Triangulating Intelligence | 三角化的智能 |
| CS324 | Large Language Models | 大型言语模型 |
| CS325B | Data for Sustainable Development | 数据促进可持续开展 |
| CS326 | Topics in Advanced Robotic Manipulation | 高档机器人操作的主题 |
| CS327A | Advanced Robotic Manipulation | 高档机器人操作 |
| CS329D | Machine Learning Under Distributional Shifts | 分布式转变下的机器学习 |
| CS329S | Machine Learning Systems Design | 机器学习体系规划 |
| CS329T | Trustworthy Machine Learning | 可信赖的机器学习 |
| CS329X | Human Centered NLP | 以人为本的NLP |
| CS330 | Deep Multi-Task and Meta Learning | 深度多任务和元学习 |
| CS331B | Representation Learning in Computer Vision | 核算机视觉中的表征学习 |
| CS332 | Advanced Survey of Reinforcement Learning | 强化学习的高档调查 |
| CS333 | Algorithms for Interactive Robotics | 交互式机器人的算法 |
| CS348E | Character Animation: Modeling, Simulation & Control of Human Motion | 人物动画： 人类运动的建模、模仿和控制 |
| CS348I | Graphics in the Era of AI | 人工智能时代的图形学 |
| CS348N | Neural Models for 3D Geometry | 三维几何学的神经模型 |
| CS349M | Machine Learning for Software Engineering | 软件工程的机器学习 |
| CS372 | AI for Precision Medicine and Psychiatric Disorders | 精准医疗和精神疾病的人工智能 |
| CS375 | Large-Scale Neural Net Modeling for Neuroscience | 用于神经科学的大规模神经网络建模 |
| CS384 | Seminar on Ethical and Social Issues in NLP | NLP中的道德和社会问题研讨会 |
| CS422 | Interactive and Embodied Learning | 交互式和表现式学习 |
| CS428 | Probabilistic Models of Cognition | 认知的概率模型 |
| CS432 | Computer Vision for Educational and Social Science Research | 教育和社会科学研究的核算机视觉 |
| CS521 | Seminar on Artificial Intelligence Safety | 人工智能安全问题研讨会 |
| CS522 | Seminar in Artificial Intelligence in Healthcare | 医疗保健中的人工智能研讨会 |
| CS523 | Research Seminar in Computer Vision and Healthcare | 核算机视觉与医疗卫生研究研讨会 |
| CS528 | Machine Learning Systems Seminar | 机器学习体系研讨会 |
| CS529 | Robotics and Autonomous Systems Seminar | 机器人学和自主体系研讨会 |
| CS58 | ML Systems Seminar | ML体系研讨会 |
感谢奉献一手资讯、材料与运用体验的 ShowMeAI 社区同学们！
◉ 点击 日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI范畴开展前沿，捉住最新开展机会！
◉ 点击 生产力东西与行业使用大全，一同在信息浪潮里扑腾起来吧！
