日报&周刊合集 | 生产力工具与职业运用大全 | 点赞关注谈论拜托啦！
会玩儿！承揽地铁专列，真人移动广告 | 百度世界大会预热
百度也是会玩儿！承揽了北京地铁一号线的「大模型专列」，贴满了大言语模型和生成式AI相关主题的内饰，还有真 (shuai) 人 (ge) 版移动广告！广告板上密密集集满是梗，精准戳中我的笑点啊~ 知道了知道了，百度要开大会了
baiduworld.baidu.com/m/world/202…
10月17日， 以「生成未来 (PROMPT THE WORLD)」为主题的Baidu World 2023将在北京首钢园举行。作为百度年度最重要的战略、技能、产品发布会，大会自2006年以来已接连举行17年，这也是近四年来初次康复线下举行。届时，百度将发布多款AI原生运用介绍大模型最新进展，还将举行面向企业、开发者、合作伙伴、投资人等分论坛，设置前沿A互动体验区，全面展现百度最新效果。
24家国内大模型公司面经，共享最新鲜的感触与经验
这篇文章的作者是个猛人，在半年时刻里连续面了国内24家大模型公司，拿到了9个Offer。作者这篇面经收拾了24家公司的面试经历 (被拒的也介绍了原因)，并且共享了经验判别和面试中的高频问题，十分值得阅览和保藏~
以下是作者收拾的面试高频问题，果断保藏起来~
多头注意力：时刻/空间杂乱度，优化 (kv-cache、MQA、GQA)，手写多头代码
结构相关内容：各种并行方式与优缺点，DeepSpeed、Megatron能够看看源代码，Flash-Attention等内容
BERT / GPT等干流大模型的细节：比方方位编码，操练loss，激活，架构些许不同等
大模型操练：承认实际的相关作业经验和技巧，比方操练loss炸掉了怎么处理等
数据预处理：BPE，tokenization，mask相关概念和对模型/操练影响，数据配比 (有paper)
evaluation：怎么评估大模型，安全性，有效性，公开数据，单个考过手写eval结构 (多选，生成)
多模态和RLHF：根绝所投岗位恰当看看，看paper很重要，也大多是研究岗位 ⋙ 阅览原文
为期一个月的「AI＋游戏开发季」，探究Al创造的鸿沟
www.gmhub.com/jams/aijam2…
这场「GENE｜AI主题Game Jam游戏极限开发应战」很特别呀！不仅时长拉到了一个月，还筹备了4个Part，来一起探究究竟什么是AI原生游戏、AI创造才干的优势和鸿沟。
以下是各part主要内容，看介绍页面觉得专业又有趣，值得了解一下！
5场AI游戏跨界直播：约请了来自海内外游戏公司、生成式AI公司等19位一线从业者跨界连麦，一起探讨生成式AI在原画概念、动画视频、3D财物、原生玩法和游戏音乐五个主题的探究和运用
48小时GameJam极限开发应战：调集了多家国内活跃的生成式AI合作伙伴，围绕着探究AI能否带来新玩法、新体验，来进行一场特别的 Game Jam 游戏开发活动
WePlay游戏展AI游戏展区：欢迎玩家和从业者来体验试玩AI主题Game Jam及优秀AI作品，还特别约请到专心于AI+游戏的开发者社区LitGate、国内领先的在线AI绘画平台Tiamat、国内闻名的3D超写实形象生成交互平台影眸科技，他们将展现其与游戏的磕碰
AI游戏开发的闭门讨论会：围绕AI游戏开发主题，约请来自国内闻名大厂、草创团队的AI游戏探究者共享其项目经验 ⋙ 了解更多
大言语模型的法令运用的原理和实践：律师 & 生成式AI
这是一个「AI+法令」的系列内容，作者结合法令实务和大模型的才干，将「大言语模型的法令运用」分成了6个板块，并逐个进行解说和场景实践展现。
R技能：检索 (找到需求的信息) | 不仅仅是依据关键词的搜索，更是经过了解上下文和语义来找到最相关的信息；在法令范畴，这意味着能够快速找到相关的法令条文、事例或其他参考材料
G技能：生成(依据需求生成内容) | 依据给定的输入或需求生成新内容的才干；在法令作业当中，需求起草很多的文章，咬文嚼字的进程往往需求耗费很多的时刻，而现在有方法处理这一难题了
S技能：总结 (从文本中提取信息) | 法令作业除了写作，还需求阅览很多的实务文章和裁判文书；大模型能够快速阅览很多的文章，并且供给精确的摘要
T技能：转化 (让A变成A’) | 依据大模型的语义了解才干，它能够充当完美的翻译软件，也能将杂乱的法令条款解说得通俗易懂，或许依据特定的需求改写文本的风格和语调
C技能：比较 (比照内容差异) | 不仅仅是表面上的比照，而是深入语义层面的分析；在法令范畴，这意味着用户能够比较不同的法令文档、事例或法令观点，从而找出它们之间的相似之处和差异
V技能：验证 | 能够用于比较法令文本是否与相关的法令、法规或判例相符，或许是否存在潜在的矛盾和问题；在法令范畴这有助于保证文档的法令精确性和专业性
系列文章现在更新了「R技能」「S技能」两个部分，法令相关从业者或对此感兴趣的伙伴能够 follow 一下：
R技能：检索丨人类第一次运用自然言语从互联网获取信息
场景一：从法令层面解读新闻报道
场景二：理论问题检索
场景三：实务问题检索
场景四：法令条文检索
场景五：类案检索
S技能：总结丨让 OpenAI 创始人爱不释手
场景一：总结法令研究报告 (本地文件)
场景二：总结实务文章 (在线文章)
场景三：总结法学论文
场景四：法令法规整理
场景五：法令现实整理 ⋙ R技能：检索 | S技能：总结
红杉美国 | 生成式AI进入第二阶段，商场进入到起飞时刻
红杉合伙人 Sonya Huang 和 Pat Grady 再出新文「Generative AI’s Act Two」，回顾了生成式人工智能在过去一年的开展，并提出其已经进入第二阶段，从最初的技能导向转向以客户为导向，从展现冷门技能转向处理真实问题。过往几十年的时刻里积累了生成式AI商场起飞所需的条件，而现在时刻总算到了！
第一阶段是发现了新的「锤子」(基础模型)，现在则是想着第二阶段演进 (端到端的处理问题)
更新了职业地图，并且依照Consumer、Enterprise、Prosumer的结构重新划分 (图1)
增加了LLM开发者生态的职业地图 (图2)
回溯了之前判别中的错误：开展速度比所有人预期的都快、瓶颈不是客户需求而是GPU、运用和底层模型并未别离、竞赛的急速加剧、大家伙们并没有落下、壁垒在客户而不是数据
当然也确定了之前一些推论是正确的：生成式AI是一件大事、杀手级运用呈现 (ChatGPT、Character AI、Midjourney)、开发者很关键、大模型才干继续进化、版权 / 道德 / 道德问题
从月留存和用户活跃 (DAU / MAU) 数据比照，现在的AI运用相较于古典 Web2 的那些大家伙们还有比较大的差距，他们需求继续的「证明价值」，以度过「awkward teenage years」 (图3) ⋙ 阅览原文 | 中文翻译版别
怎么找到你的第一个客户 | 前期创始人有必要亲身做出售
草创公司的前期获客问题可谓生死攸关。如果你处在创业前期或许有意创业，能够看看YC 合伙人 Gustaf Alstrmer这篇文章。
文章的一个中心观点是，前期的出售作业不仅至关重要，并且创始人有必要亲身参加其中。以及，许多看似聪明且可扩展的增加方法并不适用于前期创业公司，反而比较原始粗野的方式更能快速获得第一批客户。
当然作者共享的一些方法和途径是依据美国的，照搬至国内是行不通的，了解其中心精力就好~
一、前期创始人要亲身参加出售这个“笨”事情
二、创业者需求的 5 点出售认知
了解你的客户和他要处理的问题
做好出售才干更好把控公司的命运
建立出售团队之前要自己做出售
学会出售并不难
你要很了解你真正在处理的问题、你的产品和地点的商场
三、5 种方法找到客户
抢占先机，尽早出售
善用电子邮件出售：篇幅简略、言语简明易懂、处理问题、内容用纯文本编写、用具体信息展现自己、刺进网站链接、约请进入下一步沟通
了解出售漏斗：出售漏斗的五个环节、从难度最小的客户开端出售、建立大的出售途径、凭借你的社会关系进行出售、出售给创业公司更简单、广撒网寻找前期运用者
挑选适宜的收费战略
从方针开端逆向作业：运用 CRM 软件了解客户转化率、对外出售需求广撒网 ⋙ 原文 | 中文翻译版别
AI音乐生成，前沿产品和技能原理一览
这篇文章很有意思！是比较可贵的「技能+产品」归纳视角的文章，介绍了AI音乐生成的最新进展，包含谷歌的MusicLM、Meta的 MusicGen、Stability AI的StableAudio。文章介绍了这些音乐生成模型的技能原理，以及它们获得的突破与面对的应战。
第一部分：简介。介绍了最近音乐生成范畴的进展 (包含MusicLM、MusicGen、StableAudio等新平台)，指出这些新模型展现了与图像和文本生成相媲美的质量飞跃
第二部分：文本条件化。解说了怎么经过学习文本和音乐的联合嵌入来完成依据文本的音乐生成，介绍了MuLan和CLAP两种文本音乐联合表明学习方法
第三部分：MusicLM。具体介绍 MusicLM 的技能原理，包含3种token表明音乐的不同方面,以及怎么运用旋律条件操控音乐轮廓
第四部分：音乐表明。解说了残差向量量化(RVQ)怎么将音频紧缩为离散的token序列,以及不同的token交错方式
第五部分：时长操控。介绍StableAudio怎么经过时长条件,操控生成音频的长度,战胜固定时长的限制
第六部分：结束语。总结了当时音乐生成模型在产生连贯音乐和精确操控音质方面仍面对应战；但明确表明职业正在向这些系统的商业布置开展,未来可能还会有激动人心的新进展 ⋙ 阅览原文
依据生成式AI的教育产品图谱，50+产品构建的作业流
这篇笔记以一个线性逻辑，依照「教-学-练-评-教师开展」对教育运用进行了分析，并对各种细分场景下的运用进行了具体介绍和评级。顺着这篇文章操作下来，就能够体验十分完好的「AI教育作业流」。
教：协助教师做课前准备，课中能够运用的教育活动，和课后操练的教育运用
学：学生能够自学，也能够是一个虚拟教师教育生或给学生答疑
练：既能够是以闪卡方式进行操练，也可能是对某个特定科目，如言语、数学等进行操练和温习
点评与反应：最常见的写作和数学题意图批改
教师开展：如协助教师做教育评估、教育研究、知识拓展等或工具包等 ⋙ 阅览原文
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，订阅论题 #ShowMeAI日报，一览AI范畴开展前沿，捉住最新开展机会！
◉ 点击 生产力工具与职业运用大全，一起在信息浪潮里扑腾起来吧！
