👀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！
🤖 B站UP主再出「邪招」，让康熙本人出演电视剧名场面
B站UP主 @PAC_松柏 结合康熙画像和电视剧画面，对视频人物角色进行了换脸，让康熙皇帝亲自来演绎各种名场面。
在系列视频里，可以看到《康熙王朝》《雍正王朝》等视频画面里，陈道明、洪晃所扮演的角色换上了「康熙」的脸，好像瞬间穿越到了历史现场。
不过，因为演员和历史人物的面目轮廓等相差较大，也存在表情奇怪、五官不贴合等导致的怪异感 ⋙ B站 @PAC_松柏
🤖 ChatHub 聚合客户端，聊天机器人中的「瑞士军刀」
https://chathub.gg
ChatHub 是一个 chatbot 聚合客户端，目前已经支持ChatGPT、New Bing Chat、Google Bard、Claude、ChatGLM等，可以在一个页面同时与多个聊天机器人进行对话。
ChatHub 也提供了 Chrome 和 Edge 浏览器插件，基础版本可以免费使用，已经吸引了 10W+ 活跃用户，极大提高了聊天机器人的可用性和体验质量 ⋙ ChatHub GitHub
🤖 小红书上线AI功能「此刻」，涂鸦和文生图能力非常亮眼
7月25日，小红书宣布推出新功能「此刻」。用户直接输入文字，算法会根据输入的文本内容生成相应的图片，有记事本、聊感悟、想吐槽三种图片格式。此外，用户也可以在画板上手绘涂鸦，并使用AI技术对涂鸦进行美化后发布。
这一功能基于AIGC技术开发，目前已经在最新版本中全量上线，供所有用户使用。只需要输入纯文字或者绘制简笔画，就可以轻松获取美化图片、一键发布啦！ ⋙ 小红书
🤖 网易有道首推教育大模型「子曰」，6项应用可在线体验
论文速读：https://read.youdao.com/
其他功能试玩地址：https://aicenter.youdao.com/
7月26日，网易有道举办了「powered by 子曰」教育大模型应用成果发布会，重磅推出了国内首个教育领域的垂直大模型「子曰」，作为基座模型支持诸多下游任务，向所有下游场景提供语义理解、知识表达等基础能力。
基于此，有道研发团队在「子曰」大模型的基础上，为不同学习场景设计了定制化的模型，研发了六大创新应用：
LLM翻译
虚拟人口语教练
AI作文指导
语法精讲
AIBox
文档问答
🤖 Google 搜索排名如何优化？开发者经验大揭秘
逛推时发现了一位开发者分享的Google搜索排名优化经验。他通过寻找易于排名的关键字，使文章成功出现在了搜索结果的第一位，并产品带来了大量流量。
经验文档写得非常细致，ShowMeAI 整理关键内容，感兴趣可以阅读全文：
🔔 第一步：寻找潜在的关键字，生成关键词列表
选定与网站相关的话题，再根据这些话题生成一个详细的关键字列表，以下工具可以帮助进行头脑风暴
TopicRanker
KeywordsEverywhere
Ahrefs
🔔 第二步：寻找Google搜索结果中的弱点
目标是找到具有以下弱点的关键字，包含的弱点越多，针对该词组的排名就越容易：
域名权重
标题不匹配
低字数
可读性
加载时间
垃圾邮件分数
文章年龄
论坛站点
🔔 第三步：删除与域名权重无关的主题
关于一个普通主题发布越多的优质内容，谷歌就越有可能将您的网站视为该领域的权威来源。问问自己以下问题，如果任何一个问题的答案是否定的，那么在排名上会遇到极大的困难：
我的网站在这个普通主题上有主题深度权威吗？
我在过去的3个月里至少写了6篇关于这个主题的文章吗？
我是否经常在社交媒体上和Newsletter上发布关于这个主题的内容？
🔔 第四步：检查每月搜索量 (MSV)，查看搜索词的流行程度
高搜索量的关键词通常很难排名，因为它们范围广泛，竞争通常非常激烈。理想的目标关键词应该是每月有50到500人搜索
🔔 第五步：分析竞争对手，评估竞争对手的数量和实力
竞争对手的数量和实力，这两个因素都会影响一个关键词的排名难度
首先要检查的是 Moz域名权重 (DA) 与每个关键词的搜索结果中的DA的比较情况：Moz DA的范围是0-100，分数越高代表权重越高 (排名机会越大)
其次考虑竞争者的数量：如果谷歌前两个结果质量很高但此之后明显下降，那么就有机会获取高排名，否则这个关键词可能会很难
🔔 第六步：考虑用户意图，确定最终的关键词列表
关键词需满足以下条件：
满足关于主题深度权威和定期发布的要求
每月搜索量在50-500之间 (或者如果趋势向上的话，搜索量可以更低)
具备上述列出的2-3个 (或更多) 弱点。
评估用户意图可以问自己以下问题：
谁在搜索这个关键词？搜索结果是针对专家还是初学者？
首页内容是否无法满足用户需求，存在匹配不当的情况？
他们在寻找什么？他们想购买产品或服务、寻找信息，还是导航到特定网页？
首页结果采取什么角度？是否有机会填补尚未解决的问题？ ⋙ Twitter @独立开发者指北
🤖 LLM 超全综述博客，并在HN引发热烈讨论
这是一篇由 Will Thompson 撰写的大语言模型 (LLM) 综述性文章，并被分享到了 Hacker News (HN) 引发了热烈的讨论。文章包含以下主要内容：
介绍：概述了当前社会各界对 LLM 的广泛关注和讨论，以及文章作者出于理性分析的立场进行撰写的目的
我们对 LLM 的理解
LLM 的技术内涵：详细介绍了 LLM 的技术原理 (包括 Transformer、Attention 机制、并行处理等)，分析了 LLM 相较 RNN 的优势，以及模型规模不断增长的趋势
LLM 的分类：根据语言处理过程的不同，可分为 Encoder、Decoder 和 Encoder-Decoder 三类 LLM 模型，各有优势
- 我们过去对 LLM 的认知
泛化能力： LLM 可快速泛化应用到新的任务，无需全新训练，体现出强大的迁移学习能力
性能可预测：模型规模越大，数据量越多， LLM 性能 predictable，呈现可量化的规模法则
研究热点：介绍了 LLM 研究的主要方向，包括模型缩放、效率提升、多模态等
InstructGPT 的贡献：InstructGPT 通过引入 SFT 和 RLHF 提升了 LLM 的可控性和 alignment，为后续模型奠定基础
Instruction Fine-tuning 和 RLHF：详细解释了InstructGPT的两大技术要点，包括实现方式、意义等
LLM 作为推理代理：基于 Prompt Engineering等技术，LLM 可作为推理代理完成复杂任务，发挥强大的问题解决能力
Hacker News 页面收获了近200条留言，评论者积极讨论了 LLM 的现状和发展前景等话题：
LLM 技术目前还处在哪个阶段：有人认为仍在高峰期，也有观点是已经进入「幻灭期」
关于杀手级应用的意见不一：有人认为 Copilot 等就是杀手级应用，也有评论认为目前还没有出现真正的杀手级应用
关于商业应用：讨论了 LLM 在知识管理、产品教学等方面的应用潜力。但也有观点认为空洞的营销应用居多
关于社会影响：担心就业损失的声音比较多。也有观点认为真正受影响的可能只是一小部分人
技术讨论方面：有评论分析了不同 Transformer 架构的区别，以及在不同任务上的适用性
关于研究方向：提到了 Interpretability 等让 LLM 决策更可解释的研究趋势
还讨论了 customizable 芯片、降低训练成本等硬件方向，以及提升安全性、避免偏见等方面的研究价值 ⋙ Blog | Hacker News
🤖 开香槟 VS 大裁员，业内深聊游戏行业中的AI应用实践
这是一个资深从业者的畅聊视频，AIGC工具网站工程师和游戏设计师作为受邀嘉宾，详细演示了他们目前使用的AI生成工具、这些工具如何提升工作效率、并开始逐步改变各个团队的协作模式：
Diffuse 模型基本概念理解
LiblibAI 绘图流程演示
ComfyUI 绘图流程演示
游戏行业中的实际应用
视频中工具操作的演示视频非常生动！还有主持人以「小白」视角的提问和演示者的详细解答，非常有意思，可以快速掌握工具的使用要点。以及！最后一部分的讨论非常细致！
如果你想了解当前游戏行业中的AI应用实际情况,以及它将如何影响工作方式，那就一定不要错过这个视频！ ⋙ B站@ TAcore_游戏工业党
🤖 吴恩达联合 Hugging Face 再出新课，使用Gradio快速构建生成式AI应用
https://www.deeplearning.ai/short-courses/building-generative-ai-applications-with-gradio
吴恩达 DeepLearningAI 与 HuggingFace 共同推出了一门新课 Building Generative AI Applications with Gradio，教大家如何使用 Gradio 快速构建生成式AI的应用。
Gradio 是一个开源 Python 库，可以将机器学习模型从抽象的代码转变为交互界面，大大简化了经典应用的构建过程，如草图识别、问答系统、图像分割、时序预测、基于XGBoost的可解释性展示等。
构建生成式AI应用的一个重要方向，就是构建web demo让用户能快速体验。Gradio正是当前最流行的快速构建AI Web应用的解决方案。课程还提供了非常友好的 Jupyter Notebook 练习环境，课程时长1小时左右，目前免费开放。
本门课程包含了5类应用的构建：
自然语言任务接口：主要讲述如何基于 Gradio 开发文本摘要和命名识别应用
图像说明应用：基于开源的 image-to-text 模型开发一个图片说明应用，即基于上传的图片给出相关的文本描述应用
图像生成应用：与上面的相反，构建的式基于text-to-image的应用
游戏生成应用：这是一个综合应用样例，是基于前面的2个应用构造的一个小游戏实例
大模型聊天应用：类似ChatGPT的应用
这门课会让大家学习到如下内容：
用几行代码，创建一个用户友好的应用程序（可用于非程序员）来获取输入文本，用开源的大型语言模型进行总结，并显示摘要
创建一个允许用户上传图像的应用程序，该应用程序使用图像到文本（图像字幕）来描述上传的图像，并在应用程序中显示图像和字幕
创建一个应用程序，该应用程序获取文本并生成具有扩散模型的图像，然后在应用程序中显示生成的图像
结合前两节课中学到的内容：上传图像，为图像添加标题，并使用标题生成新图像
使用Falcon创建一个与开源LLM聊天的界面，Falcon是open LLM排行榜上排名最好的开源LLM
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！
