日报&周刊合集 | 生产力东西与职业运用大全 | 点赞重视评论拜托啦！
一则AI工程师招募信息：新范畴需求新技能
Vision Flow (意图出现) 是一家依据 AGI 原生技能的创业公司，是全球探究AGI原生运用的第一波船队。创建初期获得李想、曾鸣、Yeahmobi等闻名安排投资。最近，其创始人 @刘夜 在交际媒体中发布了一则招聘信息，不管是否应聘都能够看一下JD，了解新岗位的技能需求。
岗位：算法工程师、高档后端开发工程师
工作地址：北京朝阳区望京
薪资：面谈
发送简历至：zhaopin@visionflow.ai
邮件主题格式为：立刻+应聘岗位+姓名 ⋙ 立刻@刘夜 | Vision Flow 官网
雷军：小米大模型技能主力打破方向是「轻量化，本地布置」
8月14日晚，小米创始人、董事长雷军的第四次年度讲演「> 成长> 」在国家会议中心举办。在3小时的讲演和年度新品发布中，雷军同享了曩昔30多年经历的几回关键成长和感悟，并宣布小米科技战略晋级：深耕底层技能、长期持续投入，软硬深度交融，AI全面赋能。
同时，小米活跃布局人工智能，全面推进大模型研发和落地，挑选「轻量化，本地布置」作为小米大模型技能主力打破方向，并在现场正式宣布手机端侧大模型开始跑通，部分场景效果比美云端。此外，小爱同学也晋级AI大模型，并开启邀请测验 ⋙ 阅览全文
科大讯飞发布「讯飞星火认知大模型V2.0」
xinghuo.xfyun.cn/
8月15日，科大讯飞举办了主题为「解放生产力，开释想象力」的发布会，宣布星火认知大模型晋级为 V2.0 版本，重磅发布了代码才能、多模态才能，同享了其在教育、办公等范畴商业落地进展，并将同步发布星火语伴2.0、星火教师帮手、AI学习机的「AI创意画板」/「AI编程」等新功用。
依据发布会的介绍和实时演示，讯飞星火V2.0已具备代码生成、代码补齐、代码纠错、代码解说、单元测验生成等才能，多模态才能已完结图画描绘、图画了解、图画推理、识图创造、文图生成、虚拟人组成等功用，并在生态内聚集4109支开发者团队，创建了7862款星火帮手 ⋙ 了解概况
首个生成式AI监管文件，今日（8月15日）起实施
8月15日起，《生成式人工智能服务管理暂行办法》(以下称《办法》) 开始实施，这也是我国首个针对生成式人工智能工业的标准性方针。
《办法》界定了生成式人工智能技能的基本概念，规矩了生成式人工智能服务供给者的准则要求，为生成式人工智能的健康开展指明了方向：
坚持开展和安全偏重，对生成式人工智能服务实施包容审慎和分类分级监管
明确适用对象和范围：适用于向境内公众供给AIGC服务，对大量垂直范畴如科研、工业运用等场景扫除适用范围
以鼓励工业创新和开展为重，明确生成式人工智能技能开展途径和重点方向
搭建人工智能全生命周期监管体系，对数据、算法等事务适度“松绑” ⋙ 微信阅览全文 | 专家解读
一份AI开发者的东西清单，60+东西帮你效率UPUP！
最近逛 GitHub 发现了一份十分棒的东西清单，汇总了面向开发人员的 60+ AI东西。将东西的名称、链接和简介等信息分类如下，十分值得保藏~
集成开发环境 IDEs
Cursor（www.cursor.so/）: 具有谈天、修改、生成和调试功用的IDE。从VSCodium分叉，因此界面类似于VS Code。运用OpenAI。
Mutable（mutable.ai/）: 依据Web的IDE，与谈天机器人和GitHub集成。
帮手 Assistants
Replit Ghostwriter Chat（replit.com/site/ghostw…）: 内置于 Replit 的帮手，具有谈天、主动调试和主动补全功用。运用 OpenAI 进行谈天，并运用 replit-code-v1-3b（OS）进行主动补全。
GitHub Copilot X（github.com/features/pr…）: 带有谈天、拉取恳求文本生成和单元测验生成功用的 VS Code 扩展。
Refact AI（refact.ai/）: 开源帮手，具有谈天、补全、重构和针对代码库的细调功用。适用于 VS Code 和 JetBrains 的扩展。
Codeium（codeium.com/）: 带有主动补全、自然言语查找和谈天功用的帮手。适用于包含 VS Code、JetBrains、Neovim、Vim、Emacs、Eclipse、PyCharm 和 Xcode 在内的 21 个修改器。企业版包含针对代码库的细调功用。
Continue（continue.dev/）: 带有谈天、重构和代码生成功用的 VS Code 扩展。可修改多个文件并代表您运行指令。
Blackbox（www.useblackbox.io/）: 带有主动补全和谈天功用的 VS Code 扩展，包含指向在线编码参考的链接。
Source Graph Cody（about.sourcegraph.com/cody）: 带有谈天、重构和单元测验生成功用的帮手。适用于 VS Code 和 IntelliJ 的扩展。
Quack AI（www.quack-ai.com/）: 用于遵从项目编码标准的 VS Code 扩展。等候列表。
talk-codebase（github.com/rsaryev/tal…）: 具有库房上下文的指令行谈天机器人。支持 OpenAI，以及经过 GPT4All 本地运行的LLM。
Magnet（www.magnet.run/）: 依据 Web 的谈天机器人，以库房和问题为上下文。
Adrenaline（useadrenaline.com/）: 运用人工智能和 AST 来答复关于代码库的问题的依据 Web 的谈天机器人。
Tabby（tabbyml.github.io/tabby/）: 开源的、自保管的代码补全帮手。适用于 VS Code 和 Vim 的扩展。
Tabnine（www.tabnine.com/）: 开源的、自保管的代码补全帮手。适用于包含 VS Code、IntelliJ、Neovim、Eclipse 和 PyCharm 在内的 15 个修改器。
CodeSquire（codesquire.ai/）: 为 Google Colab、BigQuery 和 JupyterLab 添加主动补全功用的 Chrome 扩展。
CodeMate（www.codemate.ai/）: 用于调试和优化代码的 VS Code 扩展。
Shell帮手 Shell assistants
AskCommand（www.askcommand.cppexpert.online/）: 运用人工智能主动从文本生成 Unix 指令的依据 Web 的东西。
Butterfish（butterfi.sh/）: 在您的 shell 中嵌入 ChatGPT 以供给方便访问的指令行东西。包含简略的自主才能。
智能体 Agents
Smol Developer（github.com/smol-ai/dev…）: 经过CLI署理依据提示生成存储库。运用OpenAI和Anthropic。
Aider（github.com/paul-gauthi…）: 经过CLI帮手和署理生成更改和提交到存储库。运用OpenAI。
Mentat（www.mentat.codes/）: 经过CLI帮手和署理对存储库进行更改。
GPT Engineer（github.com/AntonOsika/…）: 经过CLI署理依据提示生成存储库，并发问澄清问题。
GPT Migrate（github.com/0xpayne/gpt…）: 经过CLI署理将全栈运用程序从一种言语或框架转换为另一种。运用GPT-4 32k上下文。
GitWit（gitwit.dev/）: 用于向Git存储库的全栈运用程序添加功用的依据Web的署理。
DemoGPT（github.com/melih-unsal…）: 具有Llama 2的强壮力气的主动生成AI运用程序生成器
DevOpsGPT（github.com/kuafuai/Dev…）: DevOpsGPT依据AI的软件开发主动化处理方案
Second.dev（www.second.dev/）: 用于向全栈运用程序添加功用的途径。
Factory（www.factory.ai/）: 用于代码生成的署理。等待中。
运用生成器 App generators
Pico（picoapps.xyz/）: 具有即时布置的端到端微运用生成器
Literally anything（literallyanything.io/ ） : HTML和JavaScript Web运用生成器。
代码片段生成器 Snippet generators
CodePal（codepal.ai/ ） : 一个用于快速生成或重构代码的Web东西。
AI Code Convert（aicodeconvert.com/ ） : 一个用于在编程言语之间转换代码的Web东西。
AI Code Playground（aicodeplayground.com/ ） : 用于重构和改善代码的Web东西。
文档 Documentation
Trelent（trelent.net/）: 一个用于生成文档字符串的VS Code扩展。运用专有模型。
Docify（docify.ai4code.io/）: 一个用于生成文档字符串的VS Code扩展。
Mintlify Writer（writer.mintlify.com/）: 一个用于生成文档字符串的VS Code扩展。
持续集成机器人 Continuous integration bots
BitBuilder（www.bitbuilder.ai/）: 一个用于从问题生成拉取恳求的GitHub集成。
Sweep（sweep.dev/）: 另一个用于从问题生成拉取恳求的GitHub集成。
Code Review GPT（github.com/mattzcarey/…）: 用于审查PR的开源东西。能够作为GitHub动作、Gitlab CLI或本地东西运用。
Nova（www.trynova.ai/）: 一个用于为新的PR添加摘要和测验等操作的CI机器人。
CodeRabbit（coderabbit.ai/）: 可定制的CI东西，用于为PR添加摘要和代码建议。
Code generation: 代码生成
- Magic（magic.dev/）: 该公司许诺推出两款产品，一个帮手和一个依据代码练习的底层根底模型LTM-1。等候名单。
智能体途径 Agent platforms
E2B（www.e2b.dev/）: 用于保管依据LLM的署理的开源云途径。支持Smol Developer。
Morph Rift（github.com/morph-labs/…）: 开源的VS Code扩展，答应合并代码生成署理的输出。
SuperAGI（superagi.com/）: 用于保管依据LLM的署理的开源途径，包含SuperCoder。
OpenAI插件 OpenAI plugins
ChatWithGit（gitsearch.sdan.io/）: 答应ChatGPT查找GitHub并回来相关存储库的链接。
Code ChatGPT Plugin（github.com/kesor/chatg…）: ChatGPT插件的开源示例，从文件目录中提取上下文。
查找 Search
Bloop（bloop.ai/）: 用于存储库的自然言语查找。
Buildt（www.buildt.ai/）: 用于存储库的自然言语查找。
测验 Testing
OctoMind（octomind.dev/）: 主动维护和生成的依据浏览器的端到端测验，集成到Github Actions，Azure DevOps等。
Traceloop（traceloop.com/）: 利用开放遥测跟踪数据和生成的人工智能来进步体系可靠性。
Carbonate（carbonate.dev/）: 运用自然言语进行端到端测验。与现有的测验套件集成（目前支持Jest，PHPUnit和Python的unittest）。
Meticulous.ai（www.meticulous.ai/）: 主动生成、主动维护的端到端测验: 跟着运用程序的开展，测验套件也随之演化。
DiffBlue（www.diffblue.com/）: 为Java主动生成单元测验 ⋙ GitHub
运用AI东西「bloop」读懂「Webpilot」插件源码，再高效教会我
Webpilot 是一个浏览器插件,答应用户对网页内容进行自然言语发问，并主动生成答复。
bloop是一个面向软件开发者的AIGC东西，能够答复关于代码库的问题，中心技能是 embeddings——将代码块映射为向量，然后检索向量之间关联度最强的内容来答复问题。可是 bloop 不了解代码之间的依靠关系，在发问时需求供给满意上下文，才能得到精确答复。
作者在这篇文章中展示了怎么运用 bloop 东西来剖析 Webpilot 的源码：经过逐渐深化的技能思路，先用 bloop 对项目做全体的概述，然后再针对关键功用细节持续发问，逐渐让 bloop 解说代码的详细逻辑。中心流程如下：
首要需求在 bloop 中绑定 Webpilot 的代码库房，让 bloop 对代码进行向量化表明
然后能够就项目全体提出一个概述性问题，如”简略介绍下这个项目”；这能够让 bloop 对项目有一个大致的了解
在得到项目简介后，能够问询一些关键功用的完结，如”与网页进行自由方式对话”是怎么完结的；bloop会指出相关的代码方位
依据 bloop 供给的代码方位，能够持续问询该代码的详细作用和逻辑；bloop 会测验解说代码意义
有了解了一个功用点后，能够持续问其他功用的完结代码在哪，偏重复上述进程逐渐深化
当对全部关键逻辑都进行了解析后，就能够比较体系地了解该项意图代码完结了
在发问时，需求供给满意详细的上下文信息，而不要只问一些过于归纳的问题
假如bloop的答复不对或不全，需求批改发问方式供给更多上下文线索 ⋙ 思否@卡颂
为什么开发者应该多重视海外市场？
最近AI社区里「独立开发者」「大模型开发者」论题的重视度很高，也频频提到「出海」这个论题。这篇文章能够算是「开发者出海」相关内容的科普文，读完就大概能了解为什么我们都在重视这个方向。
不存在满意的空间给个人/小团队做独立产品存活。剖析了Slack在美国成功上市，但在国内却难以存活。原因是BAT等巨头互相竞赛，都想占领流量入口，不愿意有其它独立产品出现。国内生态封闭制约，不利于小团队参加竞赛。
需求验证或许叫「试错」本钱高。剖析了国内要上线产品需求经过繁琐的审批、存案等程序，验证需求的门槛很高。而海外上线产品门槛低，能够快速试错验证需求。国内完结公司注册等流程也耗费大量精力和时间。
推行途径少 && 门槛高。剖析了国外有更多免费推行途径如 ProductHunt 等，用户反应真挚；国内推行途径少，用户不友好。付费推行国内门槛高，但海外能够低本钱推行。
商业化挑选少。剖析了国内用户习气免费产品，不愿付费，盈利难。海外用户付费志愿强，小产品处理痛点也能获付出。付费用户更看重产品，免费用户难以满意 ⋙ @强生
斯坦福CS324「大言语模型 (LLM)」，好品质专题好课
言语模型的规划在快速增长，这不仅带来了全新的模型才能，对社会开展也发生了重大影响，并且也带来了可靠性不高、社会成见、发生语气攻击、生成虚假信息等许多风险。
CS324 – Large Language Models 是斯坦福 Winter 2022 的新课程，体系讲解了大言语模型的原理和开发，并深化探讨了上方的论题。经过这门课程的学习，学生能够对大型言语模型有全面的了解，掌握技能细节，并能对言语模型进行批判性考虑。
Introduction
AI界说：让机器具有与人类相似的智能功用
言语具有创造力、组合性和沟通性等特点
NLP开展历程：规矩办法、统计办法、神经办法
神经网络兴起：核算才能提高，大规划标注数据
词向量捕获语义信息，seq2seq模型完结端到端学习
根底模型：可微、可优化的大规划预练习模型，适用于下流使命
GPT-3示范根底模型的潜力：经过提示完结各种下流使命
Capabilities
言语模型使命：猜测文本的联合概率或下一个词
GPT-3在Penn Treebank言语建模使命上优于SOTA
GPT-3在LAMBADA长距离依靠言语建模使命上也优于SOTA
GPT-3在HellaSwag常识推理使命上接近SOTA
在问答使命上，GPT-3零样本表现欠安，少样本效果更好
GPT-3零样本机器翻译质量不高，少样本可到达SOTA
GPT-3可用于简略算术问题，但不“了解”数学
GPT-3可生成几乎无法区分的新闻文章
GPT-3可习惯新词运用和纠正语法错误等新使命
Harms I
界说AI：智能因子、署理的集合
AI安全关键问题：价值观对齐、 interruptibility、透明度
价值观对齐：使AI行为符合人类价值观
可中断性：人类可随时中止/修改AI体系
透明度：人类可了解AI决策进程
狭义AI：专心特定使命，更易操控
强AI方针：具有人类水平跨范畴智能
详细做法：强化学习、标准、监督
Harms II
功能差异：不同人群的精确率存在差异
社会成见：生成文本带有刻板成见
引起伤害：生成攻击性内容
造假信息：生成误导性内容
内容审核：平衡言论自由和安全
缓解危害：数据处理、模型规划、布置监管
Data
数据获取：Common Crawl、交际媒体
数据处理：去重、分词、清洗
数据标注：Mechanical Turk、竞赛
弱监督：无标注数据的监督信号
自监督：从数据中主动构建监督信号
数据质量：掩盖范围、样本巨细、注释质量
数据误差：历史数据中的社会成见
隐私：个人灵敏信息走漏
版权：未经授权运用受版权保护数据
Security
模型逆向：从模型输出推断练习数据
成员推断：判别样本是否在练习数据中
数据提取：从模型内提取练习数据
毒化攻击：注入对模型发生不利影响的数据
诈骗攻击：对测验样本做细小变化来诈骗模型
后门攻击：使模型对特定触发输入发生错误输出
对抗防御：鲁棒性练习、差分隐私等办法
Legality
版权法：规矩数据运用权利义务
合理运用：答应未经授权有限运用版权作品
隐私法：规矩个人信息运用权利义务
其他法律：标准AI体系运用和布置
道德标准：职业和安排自律守则
Modeling
分词：将文本切分为词单元
编码器：生成文本表明，适用于分类
解码器：次序生成文本，适用于生成
编解码器：编码输入并解码输出
注意力：软查询表，完结大局依靠
Transformer：编码器解码器统一架构
方位编码：表明词在序列中的方位
Training
言语模型丢失：最大化联合概率或穿插熵
预练习方针：遮蔽言语模型、下一句猜测等
优化算法：SGD、Adam、mixed precision
学习率：warmup和降低学习率
正则化：dropout、weight decay
初始化：操控参数标准，添加模型可练习性
Parallelism
数据并行：数据划分到不同核算节点
模型并行：模型划分到不同核算节点
流水线并行：不同模块串行核算
参数服务器：跨节点同享参数
分布式练习：协同高效地完结预练习
Scaling laws
模型规划：跟着参数量添加，功能提高
数据规划：跟着练习数据增多，功能提高
核算规划：跟着FLOPs添加，功能提高
递减收益：扩展规划带来的收益递减
外推猜测：预估未来功能提高趋势
建模规划法则：数学公式描绘规划与功能关系
Selective architectures
混合专家：依据输入激活部分专家
稀少混合专家：每个样本只运用少数专家
Switch Transformer：每个样本只运用一个专家 ⋙ 学习课程
感谢奉献一手资讯、资料与运用体会的 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，抓住最新开展机会！
◉ 点击 生产力东西与职业运用大全，一同在信息浪潮里扑腾起来吧！
