👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！
🤖 因 Twitter 限流，大量海外画师涌入微博哈哈哈哈
7月3日，马斯克突然发推宣布用户浏览数量限制，新账户、未认证老用户、认证用户分别可以浏览 300 / 600 / 6000 条推文，随后这一限制放宽到 500 / 1000 / 10000 条。
一开始给出的理由是防止用户沉迷互联网，后被扒出真实原因是节约成本——与谷歌托管合同到期，而马斯克不想支付高达10亿美元成本，顺路堵了那些训练大模型的爬虫。
Anyway，这一规则让很多画手翻过围墙注册微博，并表示这里好好玩儿哈哈哈哈~ ⋙ 微博 @少年JUMP吧
🤖 腾讯云发布向量数据库，搭建数据与大模型的桥梁
7月4日，腾讯云正式发布国内首个AI原生的向量数据库 Tencent Cloud VectorDB。向量数据库广泛地用于大模型训练、推理和知识库补充等场景，将企业接入大模型的时间，从之前的一个月压缩到三天以内。
腾讯云向量数据库，已经在腾讯公司内部业务中得到长期使用和价值验证，目前已经覆盖腾讯视频、QQ浏览器、QQ音乐等上百个业务场景，每日调用量超千亿次 ⋙ @腾讯云
🤖 金山办公宣布与英伟达团队合作，加速WPS AI服务
7月3日，金山办公通过官方公众号宣布，与英伟达 (NVIDIA) 团队达成合作，通过 NVIDIA Tensor Core GPU、TensorRT 提升图像文档识别与理解的推理效率。
借助 NVIDIA Triton 推理服务器的部署，成功优化 GPU 利用率，提供高推理吞吐量。相比于 CPU 其 pipeline 耗时共下降 84%；采用 NVIDIA Triton 推理服务器部署，其部署成本节省了 23% ⋙ @金山办公
🤖 企查查发布全球首个商查大模型「知彼阿尔法」
7月3日，企查查分享了其近期发布的全球首款商查大模型「知彼阿尔法」，基于企查查全量可信数据进行深度训练，为用户提供专业的企信数据，及多样化的分析结果。
相较于传统商查平台，后续基于知彼阿尔法商查大模型构建的产品实现了以下三个方面的变革：
▢ 人机交互方面实现运用自然语言对话，即能完成复杂的查询步骤
▢ 技术方面针对用户所提需求实现了秒级响应
▢ 新增「多轮对话」功能，让商查平台具备了逻辑思考能力 ⋙ @企查查
🤖 如何使用 ChatGPT 撰写简历和求职信
简历和求职信的撰写与不停修改，是求职过程中最令人头大的环节。本文讲解如何使用 ChatGPT 加速这一过程，并获得极佳的效果！
不过，需要注意的是，求职者需要对简历和求职信的格式、要点、逻辑等有扎实的了解；以及，真实的个人风格展示才是让简历脱颖而出的原因。
🔔 使用 ChatGPT 撰写简历和求职信的技巧
使用简单专业的格式：使用常见的模板格式，确保内容呈现简洁美观并且易于阅读
Less is More：显示核心要点和结果，删除不必要的细节
全程参与校对：确保内容准确，以及语法和行业术语无误
有自己的风格：确保简历和求职信拥有个性和风格，而不仅仅是聊天机器人千篇一律的输出
🔔 使用 ChatGPT 撰写简历或求职信的缺点
人工智能技术非常新颖，存在各种输出错误或不满意的可能，需要不断测试和调整
大模型的数据库如果未能联网，那么其对2021年后的世界了解有限
输出质量完全取决于输入质量，如果输入的提示词不够具体，输出也会是模糊笼统的
大模型可能会美化和放大工作成就，需要人工校对确保其内容不构成撒谎
大模型可能会生成有偏见的、错误的的内容，需要认真校对
🔔 使用 ChatGPT 撰写简历的提示词
▢ I am going to provide my resume and want you to act as a reviewer and provide feedback on it. How can I make it more readable? Are there any action verbs I should use? Am I using too many buzzwords?
▢ I will provide you with a job description for a position I am applying for. Understand the key points and requirements for this role and summarize them. Then review my resume and provide feedback on how to tailor it for this job.
🔔 使用 ChatGPT 撰写求职信的提示词
▢ Write a cover letter for a [position] role at [Company] in a professional tone. Use my resume and the job description as a reference.
▢ I want you to review my cover letter for readability and relevance to a job post. I will share the job post as a reference. Tailor my cover letter for the job referenced in the post and adjust wording to make it more relevant. ⋙ @microsoft
🤖 Stable Diffusion 电脑配置推荐
这份文档详细列出了不同需求和预算情况下，推荐的电脑配置详细信息，包括CPU、散热、主板、内存、硬盘、显卡、电源、机箱。有需求的小伙伴可以参考：
▢ 基础配置 / 5500元
▢ 进阶配置 / 9000元
▢ 性价比配置 / 10000元
▢ 高级配置 / 14000元
▢ 最优配置 / 21000元 ⋙ @SD推荐电脑配置
🤖 MiniMax 独家访谈：锦衣夜行还是低调的野心家？
MiniMax 是谁？
在大模型公司纷纷抢占用户注意力的时候，MiniMax 这个名字似乎并不「响亮」。不过知情的行内人对这家公司评价都不错——既有头部资本的支持，又有米哈游、腾讯、小红书等大厂的青睐，MiniMax 伫立在聚光灯下，披着一身的「神秘感」。
这篇专访我们得以了解 MiniMax 这家公司对 AGI 的信仰，对技术的追求。以下摘录采访的高光金句，感兴趣可以阅读原文：
在我们还没能达到自己期待的时候，过多「抛头露面」，反而消耗的是市场和社会对大模型事业的期望值
对于全链路自研，MiniMax 的目标相当执着，目前模型每周都会做迭代更新，这对整个系统有着非常高的算法要求和工程标准
MiniMax 为金山办公旗下的智能办公助手 WPS AI 提供多种大模型能力，结合办公场景的业务需求，大模型可以帮助用户完成文本生成、要点总结、任务分发、表格和演示生成等任务
在内部，MiniMax 常常用「造一艘火箭」来形容自己的状态——在火箭成功上天之前，一切都应该踏踏实实为技术发展服务 ⋙ @雷锋网
🤖 斯坦福大学AI课程设置：67 门课程构建学习路径
https://ai.stanford.edu/courses
斯坦福大学将 67 门AI相关课程聚合在一起，构建了这个课程合辑，便于进行课程选择和学习。
斯坦福大学作为世界一流的大学，出品的计算机、机器学习、深度学习等系列课程一直备受好评。课程的公开视频、课件和作业等是很多入门者系统学习的首选。
| Course | Course Name | 课程名称 |
|---|---|---|
| CS124 | From Languages to Information | 从语言到信息 |
| CS129 | Machine Learning (Applied) | 机器学习(应用) |
| CS139 | Human-Centered AI | 以人为本的人工智能 |
| CS157 | Computational Logic | 计算逻辑 |
| CS205L | Continuous Mathematical Methods with an Emphasis on Machine Learning | 以机器学习为重点的连续数学方法 |
| CS21SI | AI for Social Good | 人工智能促进社会公益 |
| CS221 | Artificial Intelligence: Principles and Techniques | 人工智能： 原则和技术 |
| CS223A | Introduction to Robotics | 机器人学简介 |
| CS224N | Natural Language Processing with Deep Learning | 深度学习的自然语言处理 |
| CS224R | Deep Reinforcement Learning | 深度强化学习 |
| CS224U | Natural Language Understanding | 自然语言理解 |
| CS224V | Conversational Virtual Assistants with Deep Learning | 使用深度学习的对话式虚拟助手 |
| CS224W | Machine Learning with Graphs | 图形的机器学习 |
| CS225A | Experimental Robotics | 实验性机器人技术 |
| CS227B | General Game Playing | 一般的游戏玩法 |
| CS228 | Probabilistic Graphical Models | 概率图解模型 |
| CS229 | Machine Learning | 机器学习 |
| CS22a | Social & Economic Impact of Artificial Intelligence | 人工智能的社会和经济影响 |
| CS230 | Deep Learning | 深度学习 |
| CS231A | Computer Vision: From 3D Reconstruction to Recognition | 计算机视觉： 从三维重建到识别 |
| CS231N | Deep Learning for Computer Vision | 计算机视觉的深度学习 |
| CS233 | Geometric and Topological Data Analysis | 几何和拓扑数据分析 |
| CS234 | Reinforcement Learning | 强化学习 |
| CS236 | Deep Generative Models | 深度生成模型 |
| CS236G | Generative Adversarial Networks | 生成式对抗网络 |
| CS237A | Principles of Robotic Autonomy | 机器人自主性原理 |
| CS237B | Principles of Robot Autonomy II | 机器人自主性原理II |
| CS237B | Deep Learning in Genomics and Biomedicine | 基因组学和生物医学中的深度学习 |
| CS238 | Decision Making Under Uncertainty | 不确定条件下的决策 |
| CS239 | Advanced Topics in Sequential Decision Making | 顺序决策中的高级课题 |
| CS24 | Minds and Machines | 心灵与机器 |
| CS247A | Design for Artificial Intelligence | 人工智能的设计 |
| CS271 | Artificial Intelligence in Healthcare | 人工智能在医疗领域的应用 |
| CS279 | Computational Biology: Structure and Organization of Biomolecules and Cells | 计算生物学： 生物大分子和细胞的结构和组织 |
| CS279 | Comp Biology: Struct & Org of Biomolecules & Cells | 计算生物学： 生物大分子和细胞的结构和组织 |
| CS281 | Ethics of AI | 人工智能的伦理 |
| CS31N | Counterfactuals: The Science of What Ifs | 反事实： 如果的科学 |
| CS320 | Value of Data and AI | 数据和人工智能的价值 |
| CS322 | Triangulating Intelligence | 三角化的智能 |
| CS324 | Large Language Models | 大型语言模型 |
| CS325B | Data for Sustainable Development | 数据促进可持续发展 |
| CS326 | Topics in Advanced Robotic Manipulation | 高级机器人操纵的主题 |
| CS327A | Advanced Robotic Manipulation | 高级机器人操纵 |
| CS329D | Machine Learning Under Distributional Shifts | 分布式转变下的机器学习 |
| CS329S | Machine Learning Systems Design | 机器学习系统设计 |
| CS329T | Trustworthy Machine Learning | 可信赖的机器学习 |
| CS329X | Human Centered NLP | 以人为本的NLP |
| CS330 | Deep Multi-Task and Meta Learning | 深度多任务和元学习 |
| CS331B | Representation Learning in Computer Vision | 计算机视觉中的表征学习 |
| CS332 | Advanced Survey of Reinforcement Learning | 强化学习的高级调查 |
| CS333 | Algorithms for Interactive Robotics | 交互式机器人的算法 |
| CS348E | Character Animation: Modeling, Simulation & Control of Human Motion | 角色动画： 人类运动的建模、模拟和控制 |
| CS348I | Graphics in the Era of AI | 人工智能时代的图形学 |
| CS348N | Neural Models for 3D Geometry | 三维几何学的神经模型 |
| CS349M | Machine Learning for Software Engineering | 软件工程的机器学习 |
| CS372 | AI for Precision Medicine and Psychiatric Disorders | 精准医疗和精神疾病的人工智能 |
| CS375 | Large-Scale Neural Net Modeling for Neuroscience | 用于神经科学的大规模神经网络建模 |
| CS384 | Seminar on Ethical and Social Issues in NLP | NLP中的伦理和社会问题研讨会 |
| CS422 | Interactive and Embodied Learning | 交互式和体现式学习 |
| CS428 | Probabilistic Models of Cognition | 认知的概率模型 |
| CS432 | Computer Vision for Educational and Social Science Research | 教育和社会科学研究的计算机视觉 |
| CS521 | Seminar on Artificial Intelligence Safety | 人工智能安全问题研讨会 |
| CS522 | Seminar in Artificial Intelligence in Healthcare | 医疗保健中的人工智能研讨会 |
| CS523 | Research Seminar in Computer Vision and Healthcare | 计算机视觉与医疗卫生研究研讨会 |
| CS528 | Machine Learning Systems Seminar | 机器学习系统研讨会 |
| CS529 | Robotics and Autonomous Systems Seminar | 机器人学和自主系统研讨会 |
| CS58 | ML Systems Seminar | ML系统研讨会 |
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！
◉ 点击 👀日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！
◉ 点击 🎡生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！
