#2023技术播客节
web worker 更新了对尤雨溪 (Evan) 的专访,除了常规的聊 vue 之外,我也拿前端比较火的问题当面“质问”,Evan 的回答也坦诚和直接,锐评 Bun、Nextjs 和 Vercel 等技术,有深度又犀利
技术之外,可能是 Evan 首次透露 yyx990803 的意义!我们还聊了比较大胆的问题,看智子 (Vue 全职员工) 如何述职,如何 pua 老板,如何聊外号
之前和@评论尸 讨论过为什么产品经理这个岗位看上去这么“狗屁工作”但是需求缺口和薪资都能仅次于研发。
他表示产品经理本质是把“老板”不愿意做但又不得不做的破事外包成的一个岗位,随着时间的推移还把“研发”不愿意干的破事也打包进去了一部分。
他表示产品经理本质是把“老板”不愿意做但又不得不做的破事外包成的一个岗位,随着时间的推移还把“研发”不愿意干的破事也打包进去了一部分。
创始人 #郭文景 的母亲是MIT毕业的高材生,父亲是A股上市公司信雅达实控人(最近公司连续一字涨停)。今年四月,郭文景决定从斯坦福退学,开发更好用的AI视频工具,Pika由此诞生。
郭文景是杭二中第一个在本科阶段被哈佛大学录取的学生,也是浙江省第一个被哈佛本科提前录取的学生。
创始人郭文景和联合创始人兼首席技术官Chenlin Meng,两人都是斯坦福大学AI实验室的前博士生。
在进入斯坦福大学之前,郭文景本科和硕士就读于哈佛大学,曾在Meta的AI研究部门担任工程师,而Chenlin则是多篇AI研究论文的共同作者,其中也有一些关于生成式AI的论文。
郭文景于今年4月创立了Pika,随后Chenlin Meng加入成为联合创始人,两人合作开发了Pika的文本生成视频模型。
今年 7 月,Pika Labs 在 Discord 推出服务器,并在几个月时间内收获了 50 万用户。
最后说一下 Text-to-Video 这个领域今年的进展确实远比想象中迅速:Runway 先后发布了 Gen1、Gen2,最近推出的 Motion Brush 则在可靠性上向前了一步,Stability AI 也刚发布了自己的首个 Text-to-Video 模型 Stable Video Diffusion。最近大家最期待的就是 pika 的表现了,AI时代一天一个样。
能够让大模型推理结果变得更好的基础优化手段已经非常多了,我梳理了常见的技术手段和对应的论文:
- Zero-shot:https://arxiv.org/abs/2109.01652
- Few-shot:https://arxiv.org/abs/2005.14165
- CoT:https://arxiv.org/abs/2201.11903
- ToT:https://arxiv.org/abs/2305.10601
- GoT:https://arxiv.org/abs/2308.09687
- SC:https://arxiv.org/abs/2203.11171
- Multi Persona:https://arxiv.org/abs/2307.05300
- Least to Most:https://arxiv.org/abs/2205.10625
- Step Back:https://arxiv.org/abs/2310.06117
- ART:https://arxiv.org/abs/2303.09014
- ReAct:https://arxiv.org/abs/2210.03629
- Reflection:https://arxiv.org/abs/2303.11366
- RAG:https://arxiv.org/abs/2005.11401
以上内容在之前的分享中均详细提到过,有一些只需要在 Prompt 上做简单优化便可看到效果;有一些则需要进行框架设计,如对任务进行规划、分解、组合等,包括与外界环境的交互、让人参与交互,存在一定的设计成本,市面上很多 XXXGPT 也是对这些基础手段组合后的工程实践。
学习这些知识的原理有助于帮助我们打开 LLM 推理黑盒,感兴趣的朋友不妨花点时间研究下,也欢迎留言补充更多有趣的技术和论文。
- Zero-shot:https://arxiv.org/abs/2109.01652
- Few-shot:https://arxiv.org/abs/2005.14165
- CoT:https://arxiv.org/abs/2201.11903
- ToT:https://arxiv.org/abs/2305.10601
- GoT:https://arxiv.org/abs/2308.09687
- SC:https://arxiv.org/abs/2203.11171
- Multi Persona:https://arxiv.org/abs/2307.05300
- Least to Most:https://arxiv.org/abs/2205.10625
- Step Back:https://arxiv.org/abs/2310.06117
- ART:https://arxiv.org/abs/2303.09014
- ReAct:https://arxiv.org/abs/2210.03629
- Reflection:https://arxiv.org/abs/2303.11366
- RAG:https://arxiv.org/abs/2005.11401
以上内容在之前的分享中均详细提到过,有一些只需要在 Prompt 上做简单优化便可看到效果;有一些则需要进行框架设计,如对任务进行规划、分解、组合等,包括与外界环境的交互、让人参与交互,存在一定的设计成本,市面上很多 XXXGPT 也是对这些基础手段组合后的工程实践。
学习这些知识的原理有助于帮助我们打开 LLM 推理黑盒,感兴趣的朋友不妨花点时间研究下,也欢迎留言补充更多有趣的技术和论文。
最近一些观点
1. 做电商,不管是平台还是卖家,都需要执行力超强的员工。 因为战略方向层面的东西往往比较明确,执行的速度才是关键
2. pdd甚至1688都据说直达工厂,但上面大部分还是经销商甚至二级三级经销商
3. 1688这波出海,事情本身还是很有机会的,就看阿里这个组织是不是能支棱起来
4. 电商市值第一这事儿也就外部在激动分析一下。内部应该都想低调一点,做电商最好闷声发财,特别是跨境平台
1. 做电商,不管是平台还是卖家,都需要执行力超强的员工。 因为战略方向层面的东西往往比较明确,执行的速度才是关键
2. pdd甚至1688都据说直达工厂,但上面大部分还是经销商甚至二级三级经销商
3. 1688这波出海,事情本身还是很有机会的,就看阿里这个组织是不是能支棱起来
4. 电商市值第一这事儿也就外部在激动分析一下。内部应该都想低调一点,做电商最好闷声发财,特别是跨境平台
https://devv.ai 是专门面向开发者的 AI 搜索引擎,目标是替代开发者日常使用 Google / StackOverflow / 文档查询的场景。
免费、快速、准确。