Skip to main content

黑洞资源笔记

  1. 企业微信骚扰式拉新

    企业微信给已经使用的用户做了「可能是同事」功能,拿着红包诱导用户判断是否是同事,实际上点击后会给对应的好友发送微信邀请加入企业微信的通知,又没有区分同事和前同事的选项,导致很多前同事也会被骚扰到。
  2. 中文LLaMA-2 & Alpaca-2大语言模型 (Chinese LLaMA-2 & Alpaca-2 LLMs)

    本项目基于Meta发布的可商用大模型Llama-2开发,是中文LLaMA&Alpaca大模型的第二期项目,开源了中文LLaMA-2基座模型和Alpaca-2指令精调大模型。

    这些模型在原版Llama-2的基础上扩充并优化了中文词表,使用了大规模中文数据进行增量预训练,进一步提升了中文基础语义和指令理解能力,相比一代相关模型获得了显著性能提升。相关模型支持4K上下文并可通过NTK方法最高扩展至18K+。

    本项目主要内容:

    🚀针对Llama-2模型增加了新版中文词表,开源了中文LLaMA-2和Alpaca-2大模型
    🚀 了预训练脚本、开源指令精调脚本,用户可根据需要进一步训练模型
    🚀使用个人电脑的CPU/GPU在本地快速进行大模型仿真和部署体验
    🚀支持🤗Transformers , llama.cpp , text- Generation-webui , LangChain , vLLM等LLaMA生态
    目前已开源的模型:Chinese-LLaMA-2-7B, Chinese-Alpaca-2-7B
  3. 清华大学刘知远团队和OpenBMB联手推出的公开课 | course

    深度学习以及自然语言处理领域已进入大模型时代,参数规模的指数增长带来了相关应用的质变发展,为广阔的学科交叉带来了新的视野。

    OpenBMB携手清华大学自然语言处理实验室,共同推出《大模型交叉研讨课》,意在为对大模型感兴趣的同学提供相关资源,为大模型领域的探索打下基础。

    本课程将手把手带领同学从深度学习开始快速了解大模型的相关理论和实践,最后利用所学知识进行前沿问题的探索。
  4. Mac 版 Pocket 将被放弃

    Mozilla 发布声明:自今年 8 月 15 日开始,其稍后阅读服务Pocket 将不再支持 Mac 平台。使用 Apple Silicon 的 Mac 用户可在设备上安装 iOS 版Pocket应用,或与经典 Mac 用户一起使用网页版 Pocket。

    Mozilla 向Mac 垂直媒体 9to5Mac 分享了结束 Mac 版Pocket应用的具体原因,Mozilla 表示希望在移动和网页端打造更一致的用户体验,方便用户在任意设备、任意时间点上更方便的发现,保存和访问内容。
  5. TweetDeck 改名 XPro

    随着 Twitter 网页版与手机客户端成功过渡到全新的「X」品牌,X 公司(原 Twitter 公司)近日将注意力转移到了 「TweetDeck」 这一专业 Twitter 管理工具上。

    虽然现在依然能通过 tweetdeck.twitter.com 访问 TweetDeck 的网站,但网站标题和正文中的「TweetDeck」已经被更改为「XPro」。根据马斯克的计划,未来这项服务将成为 Blue 订阅的增值内容。
  6. Metaphysic.ai 是一家专注于人工智能(AI)和计算机视觉技术的公司,他们的目标是创造超真实的生成AI内容。他们的技术可以生成看起来非常真实的人物和场景。

    这项技术可以将语音内容翻译成多种语言格式并保持唇形一致。而且这个过程是自动的,不需要人工参与。

    视频展示了他们将一段英语歌曲,转化为法语、西班牙语、中文等语言。
  7. Python Cookbook 和 Python精粹 的David M. Beazley作者, 在github上发布的练习驱动的教程。

    本课程有幻灯片,练习还有习题,适合那些想要超越简短脚本而编写更复杂程序的 Python 程序员。主题重点关注流行库和框架中使用的编程技术,目标是更好地理解 Python 语言本身,以便能够理解其他人的代码,并将新发现的知识应用到自己的项目中。

    Advanced Python Mastery | #教程 #Python
  8. tld-list:一个强大的域名注册对比网站,以表格的形式清晰列出域名的状态、首年价格和续费政策等,并提供各大域名商的促销代码,还可以按最低价格排序,搜索功能也非常强大
  9. CMU和人工智能安全中心的研究人员发现,只要通过附加一系列特定的无意义token,就能生成一个神秘的prompt后缀。

    由此,任何人都可以轻松破解LLM的安全措施,生成无限量的有害内容。

    详文 | 代码 | 论文