Skip to main content

黑洞资源笔记

黑洞资源笔记
黑洞资源笔记

  1. JourneyDB：大规模生成图像理解数据集，包含4,429,295个高分辨率的Midjourney生成图像，带有相应的文本提示、图像标题和视觉问答的标注，支持的任务包括提示反演、风格检索、图像描述和视觉问答

  4. Noodle：开源学生学习效率平台，帮助学生管理与其教育相关的一切，包括任务、笔记、闪卡和时间表等，旨在通过提供一个单一平台来解决学生在管理教育方面所面临的问题

  5. 简明TypeScript开发指南 | #指南 #电子书

    《Concise TypeScript Book》全面而简洁地概述了 TypeScript 的功能。它提供了清晰的解释，涵盖了该语言最新版本中的所有方面，从强大的类型系统到高级功能。无论是初学者还是经验丰富的开发人员，本书都能增强你对 TypeScript 的理解和熟练程度。

    关于作者
    Simone Poggiali 是一位经验丰富的高级前端开发人员，自 90 年代以来就热衷于编写专业级代码。在他的国际职业生涯中，他为从初创公司到大型组织的广泛客户提供了众多项目。HelloFresh、西门子、O2 和 Leroy Merlin 等著名公司都受益于他的专业知识和奉献精神。

  6. Karrio：开源的物流平台，可将物流体验集成到统一平台中，通过单个API集成访问一系列物流承运商，实现自动履约和改善物流操作。

    特征
    无头运输：以 API 优先方式访问传统和现代运输承运商网络。
    可扩展：使用 webhooks、API 和元数据构建任何内容。
    多运营商 SDK：使用 karrio SDK 框架与自定义运营商 API 集成。
    履行：连接承运商帐户、获取实时费率并购买运输标签。
    跟踪：创建包裹跟踪器，获取实时跟踪状态并提供出色的购物体验。
    地址验证：使用集成的第三方 API 验证送货地址。
    云：针对使用 Docker 的部署进行了优化。
    仪表板：使用karrio 仪表板来协调你的物流操作。

  7. IGN 公布 Steam 历史最受欢迎游戏榜单 | 详文

    IGN 依据 Steam 统计的最大同时游玩数量，整理出了一份 Steam 平台有史以来最受欢迎的游戏榜单。其中，曾屡屡出圈并创造出现象级文化的《PUBG》，凭借近 326 万人同时在线的傲人数据荣登榜首；而排名第 2 的《CS:GO》和排第 3 的《命运方舟》则分别拥有近 182 万与 133 万的同时在线数据。

    值得一提的是，榜单中除了 3A 大作与巨头打造的热门爆款以外，还有像《泰拉瑞亚》与《鹅鸭杀》这样来自小团队的甜品游戏。其中《泰拉瑞亚》曾凭借 4500 万份的销量，登上过同样来自 IGN 统计的畅销游戏排行榜。在本次的受欢迎度榜单中，《泰拉瑞亚》依靠近 49 万人的同时在线成绩，排名第 13 位。
    IGN
    Top 15 Steam Games Ranked by Concurrents - IGN
    Top 15 Steam Games Ranked by Concurrents - IGN
    Let us consult the Steam charts once again.

  8. GPT Migrate，一个基于 GPT-4 的大胆尝试，让 AI 重写整个项目代码，实现所有代码框架、编程语言的迁移。

    你可以将原有的 Python 项目，用 JavaScript 重写为新项目，AI 会自动帮你生成新的目录结构、文件命名、项目依赖包。目前项目仍使用实验阶段，请勿直接应用到生产环境。
    Media is too big
    VIEW IN TELEGRAM

  9. AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

    本文编译自 Lilian Weng 的个人博客，Lilian 现在是 OpenAI 的 Head of Safety Systems，之前还领导过 OpenAI 的 Applied AI 团队。

    AI Agent 被认为是 OpenAI 发力的下一个方向。OpenAI 的联合创始人 Andrej Karpathy 在近期的一次公开活动上提到“相比模型训练方法，OpenAI 内部目前更关注 Agent 领域的变化，每当有新的 AI Agents 论文出来的时候，内部都会很兴奋并且认真地讨论”，而在更早之前，Andrej 还评价 AutoGPT 是 Prompt Engineering 下一阶段的探索方向。

    Lilian Weng 的这篇 Blog 可以说是目前 AI Agent 领域优质论文的系统综述，她将 Agents 定义为 LLM、记忆（Memory）、任务规划（Planning Skills）以及工具使用（Tool Use） 的集合，其中 LLM 是核心大脑，Memory、Planning Skills 以及 Tool Use 等则是 Agents 系统实现的三个关键组件，在文章中，她还对每个模块下实现路径进行了细致的梳理和说明。到今天，构建 AI Agent 的工具箱已经相对完善，但仍需要面对一些限制，例如上下文长度、长期规划和任务分解，以及 LLM 能力的稳定性等。

    从今年 3 月 AutoGPT 推出后，Generative Agent、GPT-Engineer、BabyAGI 项目的爆发将 LLM 的叙事代入了新的阶段，从“超级大脑”到真正有可能成为“全能助手”。Lillian 在自己的 Twitter 中也认为“This is probably just a new era”。

    原文 | 译文