🤖 如何拼出 Twitter 新 LOGO 的字母 𝕏
Twitter 新 LOGO 是一个双线体大写字母 𝕏 (U+1D54F)，是一个 Unicode 字符。在Word中输入「U+1D54F」 然后按「Alt+x」就可以打出来了~ ⋙ Unicode Character “𝕏” (U+1D54F)
🤖 宝藏工具！60+ 深度学习经典论文的算法实现 & 逐行解释
Annotated Deep Learning Paper Implementations 是一个开源 PyTorch 代码仓库，包含了60+深度学习论文的算法实现和详细注释。
这个项目针对诸如 Transformers、GAN、强化学习等热门深度学习论文，提供了对应的Python代码实现。同时包含了详细的代码、公式、图表等的说明性注释，帮助深度学习研究者和工程师更好地理解论文内容 ⋙ > GitHub
🤖 微软必应聊天上线所有浏览器，谷歌再次后院着火
7月24日，微软的必应聊天已开始上线包括谷歌Chrome、苹果Safari在内的所有浏览器，部分用户已获得访问权限。此外，微软还为必应聊天推出了黑暗模式功能，用户可以通过右上角菜单进行切换。
与 Edge 浏览器相比，非微软浏览器上的必应聊天存在一些功能限制，如最多只能输入2000个字的提示、对话上下文保留轮数降低等。
业内分析认为，这是微软拓展用户量的重要举措。展望未来，在这一领域，微软与谷歌的竞争或将更加激烈 ⋙ the Verge
🤖 英特尔推出34个开源AI参考套件，降低部署门槛，加速AI落地
7月24日，英特尔公司向开发者社区发布了34个开源AI参考套件，包含模型代码、训练数据、机器学习流程说明、优化AI的库和oneAPI组件等，帮助开发者和数据科学家更便捷地部署人工智能。
这些基于oneAPI编程模型和英特尔端到端AI软件组合构建的参考套件，可以简化AI开发流程，提升现有智能解决方案，加速部署。这些预配置套件覆盖众多行业，包括消费品、能源、金融、医疗、制造、零售、电信等。
相比专有环境的局限，这些AI参考套件可以将解决方案时间从周缩短至天，帮助数据科学家和开发者以更低成本、更快速地训练模型。未来，英特尔将继续根据社区反馈更新维护部分套件 ⋙ bakersfield
🤖 2023上半年AI发展突飞猛进，要点与亮点全盘回顾
2023年上半年，人工智能领域进展神速，出现了一系列技术突破与重要进展。本文通过回顾半年来AI领域的重要成果，总结了这一时期人工智能发展的主要趋势与特点。
🤖 如何评估一个大语言模型？看微软这篇 LLM 能力评测综述
大型语言模型（Large language models, LLMs）因其在学术界和工业界展现出前所未有的性能而备受青睐。随着 LLMs 在研究和实际应用中被广泛使用，对其进行有效评估变得愈发重要。
微软亚洲研究院的 A Survey on Evaluation of Large Language Models 是大模型评测领域的第一篇综述文章，一共调研了219篇文献，以评估对象 (what to evaluate) 、评估领域 (where to evaluate) 、评估方法 (How to evaluate) 和目前的评估挑战等几大方面，对大模型的评估进行了详细的梳理和总结。
🤖 ChatGPT 时代，程序设计课程该如何调整？看看老师们怎么说
Sam Lau 和 Philip Guo 来自加州大学圣地亚哥分校，他们一起撰写论文，探讨了 ChatGPT 等AI编程助手工具的出现如何影响编程课程的教学。他们采访9个国家、20多名编程入门课程的教师，并总结了教师们短期的应对计划以及长期的设想。
本文提供了一个非常宝贵的视角，让我们一窥编程教师们对这一快速发展现象的看法。相信我们可以从中得到许多启发。
🤖 拾象实践：为了理解 AI-Native，我们做了几款AI应用
拾象团队内部进行了一系列 LLM 应用开发的实践，既包括对话式内部知识库、音视频转录这类效率工具，也有复刻 GPT、LLM 输入法等偏实验性质尝试。这是技术负责人秦佳豪对 LLM 应用实践的阶段性总结回顾。
虽然大部分实践在这个时间点看起来已经「过时」甚至「徒劳」，但快速了解一个行业的最佳的方式就是参与其中，尤其是 LLM 这样的新浪潮。本篇 LLM 应用探索笔记则是一位一线开发者对 LLM 的思考。
💡 LLM 应用实践复盘
💡 LLM应用一：PickPod
💡 LLM应用二：盗梦笔记
💡 总结
本文链接：https://my.lmcjl.com/post/10721.html
4 评论