有 Oculus 的朋友可以試試看。
不小心點了某個 Ultraman 的影片愛心，現在抖音狂推我看 Ultraman
本文討論了比特幣的未來前景，作者認為比特幣的交易量和活躍用戶數都在下降，且中央銀行數位貨幣的興起可能使其地位受到威脅。作者預測比特幣的價格最終可能會大幅下跌。
- 📉 比特幣的交易活動在過去五年持續下降。
- 📊 2022年，美國股票市場的交易量達到歷史新高。
- 🚫 比特幣的活躍地址數量已經停滯。
- 🌍 全球對比特幣的興趣自2021年5月以來持續下降。
- 💳 2022年6月，近75%的零售商表示計劃在接下來的兩年內接受加密貨幣或穩定幣支付。
- 💰 PwC預測，到2030年，全球無現金交易將增長到3.03兆次。
- 🏦 目前，有130個國家正在考慮或已經開始發展自己的中央銀行數位貨幣。
- ⚖️ 作者認為，比特幣最終可能會變得毫無價值或非常接近它。
#bitcoin
https://seekingalpha.com/article/4639395-bitcoin-deep-breath-plunge
隨著ChatGPT的一夜成名，生成式人工智能的使用已成為嚴肅研究的主題，也成為生成式AI培訓的素材。一份最新的研究論文中，學者們搜集了一百萬個人與25種不同大型語言模型進行的“現實世界對話”的數據庫。該論文由加州大學伯克利分校的Lianmin Zheng等人編寫，並由加州大學聖地亞哥分校、卡內基梅隆大學、斯坦福大學和阿布扎比的穆罕默德·賓·扎耶德人工智能大學的同行發表於arXiv預印本服務器上。
### 事實
- 📊 學者們收集了一百萬個“現實世界對話”的數據，包括了25種不同的大型語言模型，這些數據經過詳細分析，發現其中一部分包含一些不安全的內容。
- 🗣️ 最常見的對話主題包括編程、旅行建議和寫作幫助等常規話題，但還包括了一些不安全的主題，如角色扮演、性幻想和討論不同身份的有害行為。
- 🚫 學者們使用OpenAI技術來標記對話為“不安全”，並指出開源語言模型通常生成的不安全內容較多，而商業程序像ChatGPT則有更多的安全措施，儘管它們也偶爾失效。
- 💡 這個數據集的目標之一是改進語言模型的性能，並研究可能使語言模型偏離正軌的用戶提示，以開發生成式AI安全的基準。
論文的作者還計劃根據這些數據創建用於處理不安全內容的調節工具，並不斷釋放新的數據集以改進語言模型的性能。這個數據集的規模和多樣性超越了以前已知的任何數據集，並有助於AI研究的進一步發展。
ChatGPT 防止機翻感的實驗，這prompt 有兩個要點:
* 暗示學習知名報章雜誌的翻譯寫作風格
* 告知GPT要適當的使用意譯
#ChatGPT #GPT #LLM #AI
ChatGPT推出新的語音和圖像功能。這些功能提供了一種更直觀的界面，讓您可以進行語音對話或向ChatGPT展示您正在談論的內容。語音和圖像為您在生活中使用ChatGPT提供了更多方式。在旅行時拍攝地標的照片，並就其有趣之處進行實時對話。在家時，拍攝冰箱和櫥櫃的照片，確定晚餐吃什麼（並提出後續問題以獲得逐步的食譜）。晚餐後，通過拍照、圈出問題集，讓ChatGPT與您和孩子分享提示，幫助孩子解決數學問題。我們將在接下來的兩周內向Plus和Enterprise用戶推出語音和圖像功能。語音將在iOS和Android上推出（在設置中選擇加入），圖像將在所有平台上提供。
#AI #ChatGPT #LLM #GPT
這篇文章討論了AI監管的問題。雖然AI已經在很多方面展現出巨大的潛力，但也有人呼籲對AI進行監管，以防止錯誤信息、偏見、生物或化學攻擊等風險。然而，文章認為現在對AI進行監管還為時過早。監管可能會阻礙行業的發展，限制競爭，並使產業向海外轉移。作者建議在AI技術進一步發展和成熟之後，再重新考慮監管問題。
#AI
這篇文章探討了AI對未來工作的影響。研究團隊與波士頓顧問公司（Boston Consulting Group）合作，進行了一項大型實驗。結果顯示，使用ChatGPT-4的顧問在18個不同任務上的表現優於未使用AI的顧問。具體來說，使用AI的顧問平均完成了12.2%更多的任務，完成任務的速度提高了25.1%，並且產生了比未使用AI的顧問高40%的品質結果。然而，當AI無法給出正確答案的時候，過度依賴AI可能會導致問題。文章提出了兩種有效整合人類和AI工作的方法：半人馬（Centaurs）和賽博格（Cyborgs）。半人馬方法在人類和機器之間劃清界限，根據各自的優勢分配職責；賽博格方法則是將AI視為一個工具，與人類共同完成任務。
任天堂新一場直面會將於 9 月 14 日晚 10 點舉行
Nintendo Switch
Engadget
就在剛剛任天堂對外 宣佈 ( https://twitter.com/Nintendo/status/1701958946674672116 ) ，將於 9 月 14 日（就是明天）晚 10 點舉行一場直面會。活動的時長約為 40 分鐘，內容將圍繞今冬發售的遊戲陣容。不出意外的話，多款之前發表的 《瑪利歐》 ( https://hk.news.y...
https://hk.news.yahoo.com/the-next-nintendo-direct-is-set-for-september-14-at-10am-et-151158802.html
前陣子微軟暫時流出的 Azure ChatGPT 有人做了 Fork 並提供了完整的部署步驟。
https://tensorthinker.hashnode.dev/privategpt-a-guide-to-using-azures-version-of-chatgpt
## Introducing GPT-4 Summarization with Chain of Density Prompting
- Researchers from institutions like Columbia University have developed a "Chain of Density" (CoD) prompting method for generating GPT-4 summaries with varying information density.
- The CoD method iteratively incorporates missing salient entities from the original text into the previous summary, making it increasingly entity-dense without changing the summary length.
- Human preference studies show that people prefer denser summaries than those generated by standard GPT-4 prompts, with these summaries being almost as dense as human-written ones.
- The research team conducted human and automatic evaluations on 100 CNN DailyMail articles to better understand the trade-off between informativeness (favoring more entities) and clarity (favoring fewer entities).
- The study provides 500 annotated CoD summaries and an additional 5,000 unannotated summaries for evaluation or distillation.
#AI #LLM #GPT #GPT-4
🔗 Learn more: [2309.04269.pdf](https://ppl-ai-file-upload.s3.amazonaws.com/web/direct-files/1019777/d1249c62-2da9-4810-9797-cac455065e49/2309.04269.pdf)
Chain of Density Prompt
Article: { { ARTICLE} }
You will generate increasingly concise, entity-dense summaries of the above Article.
Repeat the following 2 steps 5 times.
Step 1. Identify 1-3 informative Entities ( ";" delimited) from the Article which are missing from the previously generated summary.
Step 2. Write a new, denser summary of identical length which covers every entity and detail from the previous summary plus the Missing Entities.
A Missing Entity is:
- Relevant: to the main story.
- Specific: descriptive yet concise (5 words or fewer).
- Novel: not in the previous summary.
- Faithful: present in the Article.
- Anywhere: located anywhere in the Article.
Guidelines:
- The first summary should be long (4-5 sentences, ~80 words) yet highly non-specific, containing little information beyond the entities marked as missing. Use overly verbose language and fillers (e.g., "this article discusses") to reach ~80 words. - Make every word count: rewrite the previous summary to improve flow and make space for additional entities.
- Make space with fusion, compression, and removal of uninformative phrases like "the article discusses".
- The summaries should become highly dense and concise yet self-contained, e.g., easily understood without the Article. - Missing entities can appear anywhere in the new summary.
- Never drop entities from the previous summary. If space cannot be made, add fewer new entities.
Remember, use the exact same number of words for each summary.
Answer in JSON. The JSON should be a list (length 5) of dictionaries whose keys are "Missing_Entities" and "Denser_Summary.