ChatGPT的诞生，让基于Transformer的大型语言模型(LLM)为通用人工智能（AGI）铺开了一条革命性的道路，并在知识库、人机交互、机器人等多个领域得到应用。然而，目前存在一个普遍的限制：由于资源受限，当前大多LLM主要是在较短的文本上进行预训练，导致它们在较长上下文方面的表现较差，而长上下文在现实世界的环境中是更加常见的。最近的一篇综述论文对此进行了全面的调研，作者重点关注了基于Transformer的LLM模型体系结构在从预训练到推理的所有阶段中优化长上下文能力的进展。论文链接：https://arxiv.org/pdf/2311.12351.pdf论文首先分析了使用当前基于T
随着2023年接近尾声，是时候回顾一下今年最重要的五个联邦网络故事：对显着塑造联邦层面网络安全格局的关键时刻和关键发展的汇编。这些故事强调了联邦机构在过去一年中在保护数字基础设施方面面临的挑战，并探讨了网络威胁不断变化的性质，以及解决这些威胁所需的创新应对措施。新的白宫网络安全战略白宫的国家网络安全战略代表了美国网络安全方式的决定性转变。这份长达35页的文件详细介绍了政府加强网络防御的计划，重点是减轻最终用户、小企业和地方政府的负担。该战略提议将软件安全责任转移给大公司，此举引发了网络安全界的讨论。最后，它优先考虑保护公共供水系统等关键基础设施免受网络攻击，同时为量子计算和人工智能带来的新威胁
一、Midjourney绘画工具SparkAi创作系统是基于ChatGPT进行开发的Ai智能问答系统和Midjourney绘画系统，支持OpenAI-GPT全模型+国内AI全模型。本期针对源码系统整体测试下来非常完美，可以说SparkAi是目前国内一款的ChatGPT对接OpenAI软件系统。那么如何搭建部署AI创作ChatGPT？小编这里写一个详细图文教程吧！支持GPT-4-Turbo模型、支持DALL-E3文生图，支持最新GPT-4-Turbo模型、GPT-4-1106-Preview多模态模型。支持GPT-4图片对话能力上传图片并识图理解对话。ChatFile文档对话总结。绘画效果：新增
一、图书简介：本书是一本全面的指南，介绍了各种Prompt技术的理解和利用，用于从ChatGPT中生成高质量的答案。我们将探讨如何使用不同的Prompt工程技术来实现不同的目标。ChatGPT是一种先进的语言模型，能够生成类似人类的文本。然而，了解正确的提问方式以获取我们所需的高质量输出非常重要。这就是本书的目的。无论您是普通人、研究人员、开发人员，还是想将ChatGPT作为您领域的个人助手的人，本书都是为您编写的。本书使用简单的语言和实用的解释，结合每种Prompt技术的示例和Prompt公式。通过本书，您将学习如何使用Prompt工程技术控制ChatGPT的输出，生成符合您特定需求的文本。
1、引言AI安全这个话题，通常会引伸出来图像识别领域的对抗样本攻击。下面这张把“熊猫”变“猴子”的攻击样例应该都不陌生，包括很多照片/视频过人脸的演示也很多。对抗样本的研究领域已经具备了一定的成熟性，有一系列的理论来论述对抗样本的存在必然性等特征。从另一角度，也可以看成是通过对抗样本来研究模型的运算机理。但AI应用更成熟的搜广推等领域，就很少看到相关研究。我认为其原因在于，缺乏足够的攻击场景支撑。比如，伪造用户行为误导AI推荐不该推荐的广告，使用特定的输入让翻译软件胡乱翻译，这些场景，想想就没有意思，自然无法引起研究兴趣。关于AI安全的全景，在论文中看到过这样一个总结，个人感觉从链路上比较完整
一、图书简介：本书是一本全面的指南，介绍了各种Prompt技术的理解和利用，用于从ChatGPT中生成高质量的答案。我们将探讨如何使用不同的Prompt工程技术来实现不同的目标。ChatGPT是一种先进的语言模型，能够生成类似人类的文本。然而，了解正确的提问方式以获取我们所需的高质量输出非常重要。这就是本书的目的。无论您是普通人、研究人员、开发人员，还是想将ChatGPT作为您领域的个人助手的人，本书都是为您编写的。本书使用简单的语言和实用的解释，结合每种Prompt技术的示例和Prompt公式。通过本书，您将学习如何使用Prompt工程技术控制ChatGPT的输出，生成符合您特定需求的文本。
已经唠了三章的RAG，是时候回头反思一下，当前的RAG是解决幻觉的终点么？我给不出直接的答案，不过感觉当前把RAG当作传统搜索框架在大模型时代下的改良，这个思路的天花板高度有限~反思来源于对RAG下模型回答的直观感受，最初我们被ChatGPT的能力所震惊，并不是它能背诵知识，而是模型在知识压缩后表现出的“涌现能力”，更具体到RAG所属的问答领域，是模型能够精准的基于上文从压缩的参数中召回并整合相应的知识，甚至进行知识外推的能力。通俗点说它有可能生成我在任何地方都检索不到的答案！但RAG当前的多数使用方法，采用只让模型基于检索到的内容进行回答的方案，其实限制了模型自身对知识压缩形成的智能，大模型
已经唠了三章的RAG，是时候回头反思一下，当前的RAG是解决幻觉的终点么？我给不出直接的答案，不过感觉当前把RAG当作传统搜索框架在大模型时代下的改良，这个思路的天花板高度有限~反思来源于对RAG下模型回答的直观感受，最初我们被ChatGPT的能力所震惊，并不是它能背诵知识，而是模型在知识压缩后表现出的“涌现能力”，更具体到RAG所属的问答领域，是模型能够精准的基于上文从压缩的参数中召回并整合相应的知识，甚至进行知识外推的能力。通俗点说它有可能生成我在任何地方都检索不到的答案！但RAG当前的多数使用方法，采用只让模型基于检索到的内容进行回答的方案，其实限制了模型自身对知识压缩形成的智能，大模型
论文链接：https://arxiv.org/abs/2302.09419该综述系统性的回顾了预训练基础模型（PFMs）在文本、图像、图和其他数据模态领域的近期前沿研究，以及当前、未来所面临的挑战与机遇。具体来说，作者首先回顾了自然语言处理、计算机视觉和图学习的基本组成部分和现有的预训练方案。然后，讨论了为其他数据模态设计的先进PFMs，并介绍了考虑数据质量和数量的统一PFMs。此外，作者还讨论了PFM基本原理的相关研究，包括模型的效率和压缩、安全性和隐私性。最后，列出了关键结论，未来的研究方向，挑战和开放的问题。写在前面的话笔者主要从事NLP相关方向，因此在阅读该综述时，重点归纳整理了NLP
上篇介绍了触手ai绘画平台的prompt生成教程指南，里面涵盖了成图片的方法，写prompt基本模板，学习prompt的方法等方法，今天介绍一个用prompt控制镜头距离及角度的方法和提示词。镜头距离我们把可以使用的视角prompt放进X/Y/Zplot比较一下，为了突出效果要提高权重，尽量不要加入面部描述e.g.，否则多数都会变成半身照。以下prompts会加上权重。beautifulface1.5extremeclose-up超近镜close-up近镜mediumclose-up中近镜mediumshot中景镜longshot远镜establishingshot场景镜point-of-vi
