AI生成模型合集AI文本生成图像模型

AI生成模型合集 AI文本生成图像模型 DALL-E 2：https://openai.com/product/dall-e-2 Stable Diffusion：https://stablediffusionweb.com/ Craiyon：https://www.craiyon.com/ Jasper：https://www.jasper.ai/ Imagen：https://imagen.research.google/ Midjourney： 网站：https://midjourney.com/ 教程：https://www.uisdc.com/midjourney 关键词：https://github.com/willwulfken/MidJourney-Styles-and-Keywords-Reference NightCafe：https://nightcafe.studio/ GauGAN2： http://gaugan.org/gaugan2/ https://blogs.nvidia.com/blog/2021/11/22/gaugan2-ai-art-demo/ WOMBO ：https://www.wombo.ai/ pixray/text2image：https://replicate.com/pixray/text2image neural.love：https://neural.love/ AI文本生成视频模型 Runway：https://runwayml.com/ Fliki：https://fliki.ai/ Synthesia：https://www.synthesia.io/ Meta AI：https://ai.facebook.com/ Google AI：https://ai.google/ Phenaki：https://phenaki.video/ AI文本生成音频模型 Play.ht：https://play.ht/ Murf：https://murf.ai/ Resemble AI：https://www.resemble.ai/ WellSaid：https://wellsaidlabs.com/ Descript：https://www.descript.com/ AI文本生成文本模型 Simplified：https://simplified.com/ Jasper：https://www.jasper.ai/ Frase：https://www.frase.io/ EleutherAI：https://www.eleuther.ai/ AI21 Labs：https://www.ai21.com/ Hub Spot：https://www.hubspot.com/ InferKit：https://inferkit.com/ GooseAI：https://goose.ai/ Research AI：https://researchai.co/ Writesonic：https://writesonic.com/ Cohere：https://cohere.ai/ Chibi：https://chibi.ai/ Ideas AI：https://ideasai.com/ Copysmith：https://app.copysmith.ai/ Flowrite：https://www.flowrite.com/ Nichesss：https://nichesss.com/ Sudowrite：https://www.sudowrite.com/ ideasbyai：https://ideasby.ai/ TextCortex：https://textcortex.com/ OpenAI GPT-3：https://beta.openai.com/playground Blog Idea Generator：https://www.usetopic.com/blog-idea-generator AI文本生成Motion模型 Tree：https://tree.industries/ MDM: Human Motion Diffusion Model： https://guytevet.github.io/mdm-page/ AI文本生成代码模型 replitGhostwriter code：https://replit.com/site/ghostwriter Github copilot：https://github.com/features/copilot AI文本生成NFT模型 LensAI：https://www.lens.xyz/ AI文本生成3D模型 DreamFusion：https://dreamfusion3d.github.io/ CLIP-Mesh：https://www.nasir.lol/clipmesh GET3D：https://nv-tlabs.github.io/GET3D/ AI音频生成文本模型 Descript：https://www.descript.com/ AssemblyAI：https://www.assemblyai.com/ Whisper (OpenAI)：https://openai.com/blog/whisper/ AI音频生成音频模型 AudioLM： https://google-research.github.io/seanet/audiolm/examples/ Voicemod：https://www.voicemod.net/ AI-Brain生成文本模型 speech from brain(metaAI): https://ai.facebook.com/blog/ai-speech-brain-activity/ Non-invasive brain recordings： https://www.biorxiv.org/content/10.1101/2022.09.29.509744v1 AI图像生成文本模型 Neural.love：https://neural.love/ GPT-3 x Image Captions：https://www.auxiliary.tools #实用资源收集 #AI#合集

巴菲特在年度股东信中念叨了20次的老太太 有哪些故事？

巴菲特在年度股东信中念叨了20次的老太太 有哪些故事？ 伯蒂是谁？首先必须感叹一下巴菲特家族的长寿基因。虽然巴菲特的爸爸、前国会议员霍华德·巴菲特在62岁这一年去世，但巴菲特的母亲莱拉·巴菲特享年92岁。到了沃伦·巴菲特这一代总共有3个子女，而且寿命都超过90岁：年纪最大的桃乐丝·巴菲特生于1928年，逝世于2020年；二弟沃伦·巴菲特，生于1930年；年纪最小的伯蒂罗伯塔·巴菲特·艾略特 （Roberta Buffett Elliott）生于1933年11月，3个多月前刚过完90大寿。（三人分别在1937年和2003年的合影，来源：巴菲特家族）必须说明的是，互联网上对于巴菲特妹妹的描述非常稀少，所以今年巴菲特的股东信可谓是最详细的一次爆料。资料显示，伯蒂1954年毕业于美国西北大学，拿到历史学士学位。1955年（巴菲特说1956年）伯蒂与医学生罗伯特斯·斯诺夫结婚。两人一共育有4个女儿，其中3人还在世。巴菲特表示，从成家开始，伯蒂在接近20年时间里是一个活跃的金融投资者购买债券、共同基金以及经常交易股票，同时伯蒂也是（巴菲特时期）伯克希尔的早期投资者。由于罗伯特斯·斯诺夫的讣告显示，他在1987年又结过一次婚。所以可以推测伯蒂在上世纪80年代与第一任丈夫离婚。巴菲特在信中也写到，到1980年伯蒂46岁那一年独立做出了一个决策不再积极换仓，只持有共同基金和伯克希尔的股票。在之后的43年里，她没有做过任何一笔新的交易。这个决策也使得伯蒂成为一个能捐出上亿美元的成功投资者。无人知晓伯蒂买过多少伯克希尔的股票，所以她的收益率只能进行估算。在上世纪60年代巴菲特一气之下买下伯克希尔时，公司的股价只有10美元出头。由于伯克希尔的A类股从来没有拆过股，所以计算起来也很方便如果你在1964年基于对新管理层的信任买入1000美元伯克希尔股票，持有至今这笔投资价值为5362万美元。另一个角度来看，1980年伯蒂改变持仓思路死守伯克希尔时，公司的股价刚刚超过200美元。时至今日，一股伯克希尔A类股的价格已经超过61万美元。“恋旧”的伯蒂公开资料显示，伯蒂一生中有过许多次捐赠行为，但最有名的是两笔上亿美元的捐款。2015年时，伯蒂向西北大学捐赠1亿美元，设立罗伯塔·巴菲特全球事务研究所。在西北大学官网上，挂着的照片是伯蒂和她当时的丈夫大卫·艾里奥特。两人曾在1954年约会过，半个世纪后旧情重燃并于2008年结婚。大卫于2017年去世。（来源：西北大学）2017年，伯蒂向加州蒙特雷半岛社区医院（CHOMP）捐赠1.05亿美元，用于帮助当地社区。她的第一任丈夫斯诺夫，在私人执业的同时，也在这家医院担任骨科医生。 ... PC版： 手机版：

大型 AI 模型已可自动生成小型 AI 工具

大型 AI 模型已可自动生成小型 AI 工具 来自麻省理工学院、加州大学多个校区和 AI 科技公司 Aizip 的科学家团队表示，他们已经能够让大型人工智能模型（如 ChatGPT 运行的模型）基本上实现自我复制。 “目前，我们正在使用大型模型来构建小型模型，就像哥哥帮助弟弟进步一样。这是朝着 AI 自主进化迈出的第一步，”Aizip 首席执行官 Yan Sun 称，“也是首次证明 AI 模型能够自主创造其他 AI 模型。” 研究人员之一 Yubei Chen 补充说：“我们的技术是一个突破，因为我们首次设计了完全自动化的流程，可以在没有人工干预的情况下设计一个 AI 模型。”来源 ， 频道：@kejiqu 群组：@kejiquchat

大型AI模型出现的不可预测的能力

大型AI模型出现的不可预测的能力 在去年组织的一次测试中，研究人员输入不同的提示去测试不同规模大语言模型的能力。其中之一是一个女孩和三条鱼的绘文字，询问它们描述了哪部电影。最小的模型产生了超现实的答案：“The movie is a movie about a man who is a man who is a man”。中等复杂度的模型猜测是《Emoji大电影》，最复杂的模型一锤定音《海底总动员（Finding Nemo）》。计算机科学家对大语言模型的表现非常吃惊。语言模型已经研究了几十年，五年前最强大的模型是基于递归神经网络，本质上是根据提供的文本字符串猜测下一个单词是什么，所谓递归是从输出中不断学习，利用反馈去改进性能。2017 年 Google Brain 的研究人员提出了被称为 transformer 的新型架构。递归网络是逐字分析句子，transformer 则是同时处理所有单词，它能并行处理大块文本。Transformers 能通过增加模型的参数快速扩展语言模型的复杂度。2020 年 OpenAI 的研究人员发现随着参数规模的增加语言模型改进了其能力和准确度。但大语言模型也同时带来了一些始料未及的东西。研究人员发现大语言模型产生了数以百计的“新”能力，这种行为被称为涌现。研究人员如今正努力去识别新的涌现能力，以及找出背后的原因本质上是去尝试预测不可预测性。了解涌现可揭示出 AI 和一般机器学习深层问题的答案，如复杂模型是真的在做新事情，还是极其擅长统计。它还可帮助研究人员去利用潜在的益处和减少涌现风险。来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot