Skip to main content

黑洞资源笔记

黑洞资源笔记
黑洞资源笔记

  2. Paperify：将任意文档、网页或电子书转换为科研论文，生成的论文的文本与原始文档的文本相同，但散布着来自真实论文的图和公式，可添加标题和摘要(支持用ChatGPT 生成

  3. BytePiece是一个bytes-based的Unigram分词器。由于采用了新的训练算法，所以压缩率通常比现有tokenizer更高。此外，它直接操作文本的utf-8 bytes，几乎不进行任何的预处理，所以更加纯粹和语言无关

  4. ModelScope-Agent: 用开源大型语言模型构建可定制的Agent系统，一个适用于实际应用的通用且可定制的Agent框架，基于开源 LLM 作为控制器

    具有以下特点：

    可定制且功能全面的框架：提供可定制的引擎设计，涵盖了数据收集、工具检索、工具注册、存储管理、定制模型训练和实际应用等功能，可用于快速实现实际场景中的应用。

    开源LLMs作为核心组件：支持在 ModelScope 社区的多个开源LLMs上进行模型训练。

    多样化且全面的API：以统一的方式实现与模型API和常见的功能API的无缝集成。

    为了赋予LLMs工具使用能力，提出了一个全面的框架，涵盖了数据收集、工具检索、工具注册、存储管理、定制模型训练和实际应用的方方面面。

  6. 一个代码解释器框架，利用GPT-4、CodeLlama 和 Claude 2 等大型语言模型的强大功能，允许用户编写任务，EvalGPT 将协助编写代码、执行代码并交付结果结果。

    1.自动代码编写：EvalGPT 利用先进的语言模型自动生成代码，减少手动工作并提高生产力。
    2.高效的任务执行：通过将复杂的任务分解为可管理的子任务，EvalGPT 确保高效并行执行，从而加快整个流程。
    3.强大的错误处理：EvalGPT 能够在出现错误时重新计划任务，确保可靠的操作和准确的结果。
    4.可扩展性：EvalGPT 旨在处理不同复杂性的任务，使其成为满足广泛编码需求的可扩展解决方案。
    5.资源优化：受 Google Borg 资源管理的启发，EvalGPT 优化利用计算资源，从而提高性能。
    6.可扩展性：EvalGPT 能够将外部工具合并到其运行时中，因此具有高度适应性，可以扩展以处理各种任务。

    EvalGPT | #框架

  7. 一个专门为LLMs中的金融领域知识而设计的基准测试。

    FinEval是一个包含高质量多项选择题的集合，涵盖金融、经济、会计和证书等领域。它包括4,661个问题，34个不同的学术科目。

    为了确保对模型性能进行全面的评估，FinEval采用了多种方法，包括zero-shot，few-shot，仅预测答案（answer-only）和思维链（chain-of-thought）提示词。

    通过在FinEval上评估最先进的中英文大语言模型，结果显示只有GPT-4在不同提示设置下达到了接近70%的平均准确率，表明大语言模型在金融领域知识方面具有显著的增长潜力。

    我们的工作提供了一个更全面的金融知识评估基准，利用了模拟考试数据，涵盖了广泛的大语言模型评估范围。

  8. Spotify 或将歌词转为付费功能

    音乐平台 Spotify 正在测试新版本的会员权益，其中较大的调整是不再免费提供歌词功能。部分使用免费版 Spotify 的用户已经被加入新版本的测试中，后续歌词功能加大概率会变成 Premium 用户独有的功能。