过去一年并不平凡。从去年11月至今，LLM大型语言模型持续破圈、始终盘踞热点话题之列，在LLM持续升温之际，我们迎来了感恩节周末，收到了微软全球资深副总裁张祺博士发来的祝福：     感恩节之际，借此平台，我向支持我们的用户及合作伙伴表示衷心感谢，感恩你们的支持，令微软在本地市场取得了良好的发展！    感恩专注于微软使命、持续为用户及合作伙伴提供服务的辛勤员工，你们的坚守和努力令微软持续引领全球科技的发展和进步。    感恩一路有你，祝大家节日快乐！ 对广告主及合作伙伴来说，感恩节最重要...

梦晨明敏 ChatGPT，今天裂变成无数个GPT。 OpenAI在首届开发者日上，正式公布自定义GPT。 还将上线“GPT商店”，与创作者分享收入。 CEO山姆·奥特曼现场登台演示，3分钟不到，只凭几步操作做好一个“创业导师GPT”。 接下来，“创业导师GPT”就可以根据奥特曼本人过去的演讲内容，回答创业相关问题。 刚刚出炉的新GPT，可以在公司内部共享或对所有人公开。 从此，“GPT开发者”像“iOS开发者”一样成为了新的职业，让AI替你赚钱的梦想成真了。 与此同时，现有的GPT-4也迎来一大波更新。 新版本GPT-4Turbo，支持128k上下文，知识截止更新到2023年4月，...

随着信息时代的迅猛发展，每天有无数文本、声音、图片和视频不断涌入互联网。如何从海量数据中提炼有意义信息成为学术界和工业界迫切需要解决的问题。在此背景下，自然语言处理（NLP）应运而生，成为人工智能领域最为活跃的研究领域之一。 NLP的目标是让计算机理解和生成人类语言，从而实现与人自然交流。这包括了基础的语言理解任务，如词性标注、句法分析，以及更复杂的应用，如情感分析、机器翻译和语音识别等。为了让机器更好地理解人类语言，研究者们开发了大量的算法和模型。然而，无论算法多么先进，如果没有大规模、高质量的数据支持，其效果都会受限。这就是为什么数据集在NLP领域如此至关重要。 数据集是NLP研究的基...

随着人工智能的不断进步，我们对于AI工具的需求也在日益增加。尤其是像GPT这样的高级工具，单一的答案输出已经不能满足用户的多元需求。实际上，当我们面对一个问题时，多种答案的输出能让我们更全面地了解和思考，这样我们就可以从各种可能的答案中选择最适合自己的那一个。这不仅提供了更为丰富的信息，还为我们打开了新的思考路径，使得我们在做决策时更加深入和全面。 今天给大家分享一条指令，让GPT的输出多种类型和侧重点不同的文案，让你快速找到自己合适的，我们先看看案例 比如我们要写一个请假条，不同公司，不同领导，你的请假条内容肯定不同，毕竟企业文化、领导的关注点和性格都有差异，在使用GPT前，我们先喂养这条...

计算机和绘画都是零基础的初学者——既不懂编程，也没有接受过任何美术方面的训练——该如何开启AI绘画的进阶之旅呢？ 要进行AI绘画学习，先要面对工具的选择，作为一个计算机和绘画的双重初学者，可以从使用在线服务开始。这样，就不必自己搭建环境，无需进行下载和部署，降低了入门难度。 在众多在线服务中，Midjourney是一个不错的选择。虽然它需要付费使用，但其价格并不高，并且接受世界各地的信用卡支付。当然，其他的在线AI图像生成服务也都可以使用。 工具多种多样，关键在于学习方法。以提升能力为目的的学习，我个人建议采用任务驱动的方式。 任务驱动式学习是指列出一系列要用AI绘画技术完成的任务，然后逐...

（本文阅读时间：5分钟） 《西游记》中有这么一段描写： 龙王道：“舍妹有九个儿子。那八个都是好的。第一个小黄龙，见居淮渎；第二个小骊龙，见住济渎；第三个青背龙，占了江渎；第四个赤髯龙，镇守河渎；第五个徒劳龙，与佛祖司钟；第六个稳兽龙，与神宫镇脊；第七个敬仲龙，与玉帝守擎天华表；第八个蜃龙，在大家兄处，砥据太岳。此乃第九个鼍龙，因年幼无甚执事，自旧年才着他居黑水河养性，待成名，别迁调用；谁知他不遵吾旨，冲撞大圣也。” 在此背景下，我们借助Midjourney创造了九子图，整体风格以真实、电影风观感及中国元素为主进行设计，每子预计需要生成43张左右的图像才能得到满意的效果，约耗时4.1个小时左...

本项目旨在研究北京青年（27岁及以下）人群与中青年人群（28岁以上）的消费模型的不同以及其背后可能的原因。在此之前，我们通过国家统计局北京的官方数据（如下图），确定了普通人大致在哪些产品类别上进行消费。 通过此表，我们确定将普通人常规消费的产品大致分为：食品，衣着，居住，交通，通信服务等。食品我们将食用油作为代表，鉴于绝大多数人都会频繁消费食用油，这样数据更能直观的反应食品的消费能力。衣着我们主要统计衣服和鞋子。居住主要是租金（若已买房，则不考虑住房花销）。交通有很多类，主要是公共交通和私家车这两种出行方式。最后通信服务则按每月流量计算，因为一旦确定了流量，在其上的花销也就可以推出。 接下...

01对大型语言模型（LLM）的 主客观评估 在评估大型语言模型时，我们可以进行客观评估和主观评估。 主观评估的方法是用户亲自尝试不同的模型，提出一些问题，然后根据自己的感受来判断哪个模型好，哪个模型不好。这种评价方法简单直接，但是它很难达到客观、可解释和可量化的程度。 如果需要进行更深入的测试，或者在技术选型和产品开发的前提下选择大型语言模型，那么仅依靠主观评估是不够的，我们还需要一些相对客观的方法。例如通过数据集进行自动化测试，从而获得一个可量化的评估结果。这就需要数据集和相应的验证指标来作为客观依据。 02评估数据集与评估方法 目前已有一些可用于评估大规模预训练模型的数据集，有英文、中文...