黑洞资源笔记

黑洞资源笔记

1. 19:02 · May 27, 2023 · Sat

   

   ×

   

   

   ×

   

   

   ×

   

   

   ×

   

   

   ×

   

   

   ×

   

   

   ×

   

   

   ×

   

   一个 Flutter 项目，它提供了显示Linux服务器状态的图表和管理服务器的工具。支持Android/iOS/macOS/Windows/Linux。
   
   lollipopkit/flutter_server_box | #工具

2. 18:50 · May 27, 2023 · Sat

   

   ×

   

   如何使用ChatGPT做数据进阶可视化？（三维交互图与动图视频）| 详文

3. 17:50 · May 27, 2023 · Sat

   

   ×

   

   

   ×

   

   

   ×

   

   

   ×

   

   比较全面的web3入门计划（附资料）| Notion
   
   基础知识
   - 区块链基础
   - 相关金融知识
   - 比特币底层技术
   - 以太坊原理
   
   以太坊和智能合约
   - 智能合约相关概念
   - 常用标准
   
   NFT生态
   - 了解NFT生态
   - 常见标准
   - 相关工具

4. 17:26 · May 27, 2023 · Sat

   乔布斯早年讲该怎么做营销，短短几分钟但是一剑封喉。| 推文

   6:49

   Media is too big

   VIEW IN TELEGRAM

5. 17:23 · May 26, 2023 · Fri

   伯克利大学发布了一个擅长调用各类api的大语言模型：Gorilla。
   
   Gorilla让LLMs可以通过调用APIs使用工具。给定一个自然语言查询，Gorilla会提出语义和语法正确的API来调用。现已支持1600+（并且还在增加）API调用。只看这一环节其能力已经超过GPT-4。

6. 16:58 · May 26, 2023 · Fri

   

   ×

   

   ——王鼎钧《关山夺路》

7. 16:55 · May 26, 2023 · Fri

   运行 100 万个并发任务需要多少内存？| blog
   
   在这篇博文中，作者深入探讨了在常见语言如Rust、Go、Java、C#、Python、Node.js和Elixir中，异步编程与多线程编程在内存消耗方面的对比。

8. 16:01 · May 26, 2023 · Fri

   

   ×

   

   GPT 是如何工作的：200 行 Python 代码实现一个极简 GPT（2023）| blog
   
   本文是arthurchiao整理和翻译自 2023 年 Andrej Karpathy 的 twitter 和一篇文章： GPT as a finite-state markov chain。
   
   本文实际上是基于 PyTorch，并不是完全只用基础 Python 包实现一个 GPT。 主要目的是为了能让大家对 GPT 这样一个复杂系统的（不那么底层的）内部工作机制有个直观理解。

9. 12:34 · May 26, 2023 · Fri

   

   ×

   

   一组用Next.js开放的出色工具，可用的工具包括：隐私策略生成、字体检测、与PDF聊天、URL摘要、截图、拼写检查和语法修正等。
   
   DamnGood.Tools |#工具

10. 12:29 · May 26, 2023 · Fri

    

    ×

    

    GPTLink：10分钟搭建自己可免费商用的ChatGPT环境，搭建简单，包含用户，订单，任务，付费等功能

11. 12:14 · May 26, 2023 · Fri

    

    ×

    

    开源的数据集工具，具备以下特点：交互式数据集可视化和探索、智能标注与协作工作流、高效的模型管理和性能分析
    
    deepdataspace | 网站• 文档• 教程 | #工具

12. 07:19 · May 26, 2023 · Fri

    

    ×

    

    

    ×

    

    ExpertLLaMA:一个使用ExpertPrompting构建的开源聊天机器人，其能力达到ChatGPT的96%。
    
    ExpertLLaMA通过在普通指令中添加专家身份描述，产生高质量、详细的专家级回答。
    
    本项目提供了方法简介、52,000个专家数据集样本、52,000个基线数据集样本、52,000个对应每个具体指令的专家身份描述、基于专家数据集训练的ExpertLLaMA检查点以及与Vicuna、LLaMA-GPT4等现有模型的评估结果。
    
    paper | github