她在淘宝卖AI手机壳，单品一个月2000块。

她在淘宝卖AI手机壳，单品一个月2000块。 我发现，这又是一个非常窄的领域，单价很低12-20块一个的手机壳。 每种卖的也不多，一个月100份往下浮动，加起来一款手机壁纸，月销2000块左右。 一般人是找不到的，因为即使ta搜了手机壳。 你也不知道哪一张是Ai画出来的，用的是什么咒语，复制成本自然就高了。 这就是一个很典型的入局了的人（同时熟悉AI绘画和小红书运营），才能看懂和操作的方向。 比如，我扫了一眼榜单，就能看出来，最近火的还是那几款，比如： 迪士尼公主、情侣头像、治愈系宠物、夏日水下风格。 但是说出来也没用。 因为这几周新类型的壁纸爆款有哪些？咒语去哪里找？用的什么绘画工具？怎么做手机壳？都是问题。 正是这些问题，形成了一个小门槛，堵住了大部分的人。 所以一个新行业，哪怕你不去做，偶尔也要看一看，有些新信息，只会出现在行业早期。

如果你也想在国内做一款AI绘画工具，那么mewxai是你必须要研究的一个产品。

如果你也想在国内做一款AI绘画工具，那么mewxai是你必须要研究的一个产品。 Mewxai其实是一家我一直想聊的ai小程序，可惜没有具体的收入数据，只能简单聊聊。 （但我估计，这几个月的收入至少是有小几百万了。） 这家是目前小红书ai绘画领域最火爆的一款小程序。 除了Midjourney之外，大部分小红书ai绘画领域的创作者，基本都用过这个产品。 这个产品是2022年12月上线的，最开始的定位是古风头像 比如上传一张你女朋友的照片，可以转换成非常好看的古风头像。 后来逐渐从古风切到全品类的头像，包括情侣、穿搭、机甲、吉卜力等等。 这家能够和其他同类产品拉开一个身位，我觉得是必然的。 1、优秀的产品能力 有着巨快的功能开发速度，实话说，这家的功能上线速度是真的快。 从最开始的上新模型，到上架mj，再到ai视频、ai艺术二维码、ai光影文字。 市面上基本没有任何一家能够跟的上他们的速度。 可以说，一个小程序基本上能搞定大部分ai绘画的需求。 2、聪明的运营能力 我个人感觉mewxai内部应该有一个非常有经验的运营er。 从最开始的选择小红书进行裂变（发布笔记@他家的官方账号，赠送用户绘画点数） 到邀请好友的合伙人计划、画廊功能的审核提交，再到公众号和社群的稳定运营。 可以看出来，基本上每一步都走的非常的稳。 尤其是公众号、小红书官方号、社群，这三块的运营，虽然看起来简单，但是至少目前来看，这家是唯一没有短板的。 3、跟热点和爆款能力 实际上，目前的大部分ai绘画工具的用户都不忠诚。 大部分人都是多款ai绘画工具同时在用。 用户多数是跟着热点走的，目前最爆款的某种绘画风格，如果只有你家的产品能做出来，那么用户一定是跟着你走。 所以大部分ai绘画工具的切入点，我个人认为不应该是追求大而全，而是从热点切入，一步步的扩展。

“弱智吧”帖子训练AI效果遥遥领先？研究团队回应

“弱智吧”帖子训练AI效果遥遥领先？研究团队回应 白岳霖是中国科学院深圳先进技术研究院三年级硕士生。他的团队在题为“COIG-CQIA: Quality is All You Need for Chinese Instruction Fine-tuning”的研究中，使用“弱智吧标题+GPT-4回答”微调后的大模型评估结果，超过了他们收集的其他有监督微调（SFT）指令集数据。后者来自包括知乎、百科、豆瓣、小红书等社交平台。对此，业内人士表示“看论文看到哈哈大笑”。网友纷纷跟帖评论：“这把‘弱智吧’上大分”“大智若愚”“‘弱智吧’才是人类面对AI的最后一道堡垒”。“没想到这个工作‘出圈’了，但网上存在一些错误解读，比如有人拿这个研究调侃‘知乎不如弱智吧’。”作为论文共同第一作者，白岳霖告诉《中国科学报》，这篇文章的作者来自国内外多个顶尖机构，“考虑到团队学术声誉与社会影响，这些误读有必要澄清一下”。白岳霖“上大分”的不是“弱智吧”“弱智吧”是百度贴吧的一个子论坛。在这个论坛中，用户经常发布包含双关语、多义词、因果倒置和谐音词等具有挑战性的内容，很多内容设计有逻辑陷阱，即使对人类来说也颇具挑战。弱智吧帖子标题的风格大概如下：“一个半小时是几个半小时？”“陨石为什么总是落在陨石坑里？”“人如果只剩一个心脏还能活吗？”“蓝牙耳机坏了，去医院挂耳科还是牙科？”“弱智吧”截图还有一些幽默发言角度清奇：“生鱼片是死鱼片”“等红灯是在等绿灯”“咖啡因来自咖啡果”“救火是在灭火”“指南针主要是指北”“小明打开水龙头是因为开水龙头烫到了小明的手”……正因为“弱智吧”中许多提问脑洞大开，这些问题常被用来测试大模型的能力。这样的语料数据，自然也逃不过研究团队的“法眼”。此外，《中国科学报》了解到，这支研究团队的平均年龄只有20多岁，大多为在读硕士生和博士生。他们经常光顾知乎、豆瓣、小红书等平台，当然也少不了“弱智吧”。当他们决定“手搓”一个高质量的中文指令微调数据集时，“弱智吧”相关语料自然地成为他们的一个选择。不过，并不像传说的那样“弱智吧8项测试第一，远超知乎豆瓣小红书”“竟成最佳中文AI训练数据”。实际上，在Yi-34B大模型上表现上佳的，不单纯是“弱智吧”。具体来说，弱智吧只贡献了个标题。论文提到，研究团队收集了“弱智吧”上点赞数最多的500个帖子，并使用这些帖子的标题作为指令，使用GPT-4生成相应的回复。而对于由GPT-4生成的回复，研究团队还进行了人工审核、优化与筛选，并最终获得了240对（指令，响应）样本。使用这240对样本训练过的Yi-34B大模型，在Belle-Eval测试集上录得高分。Ruozhiba来源的数据集训练效果遥遥领先于其他数据源。图片截自论文要指出的是，除“弱智吧”之外，知乎、小红书、豆瓣、百科等来源的数据，研究团队并没有借助GPT-4去生成回答，而是采用严格的数据过滤，最大程度保留网络中人类撰写的高质量内容。以拥有大量高质量用户生产内容的知乎为例，研究团队设置了“高赞回答”等筛选条件，经内容过滤、评分后，即采用得分较高的原内容。相形之下，研究团队仅使用弱智吧帖子的标题作为训练大模型的指令，完全没有包含网友的回帖和评论，而是使用GPT4辅助人工构造了回复答案。因此，面对网上“‘弱智吧’上大分”之类的言论，白岳霖回应说：“网络上的宣传过分夸大事实。”“许多读者误以为我们使用‘弱智吧’网友的评论训练大模型就可以达到很好的效果，事实上，我们仅保留了弱智吧帖子的标题。”白岳霖说：“实验结果并不能代表弱智吧，因为数据实际上相当于多方（网友、作者们和大模型系统）协同构造的。”对各平台来源的数据“跑分”并非研究本意研究团队为何仅针对“弱智吧”作文章？“因为我们的目标是构建符合大模型指令微调质量需求的数据，而贴吧中网友的评论通常不适合直接作为微调数据，因此我们并没有将‘弱智吧’网友的评论纳入我们的数据中。”白岳霖告诉《中国科学报》。论文通讯作者、加拿大滑铁卢大学博士生张舸进一步向《中国科学报》解释：“‘弱智吧’中网友们绞尽脑汁想出来的‘弱智问题’，的确为大模型提供了角度清奇的高质量指令。但是帖子的回答，却有很多冒犯性表述甚至事实性错误，许多回答就是抖机灵、玩梗的，而GPT-4的回答基本上都‘很正经’，经过人工筛选基本上能得到较为可靠的回答。”由于对“弱智吧”数据的“区别对待”在传播中很难被关注到，吃瓜群众很容易就对这项工作产生了误读，认为仅使用“弱智吧”的内容就能将大模型训练出远超其他平台的效果。白岳霖进一步谈到：“我们的实验结果也不能完全代表互联网中的各个平台，任何关于平台对立的情绪都不是我们想要探讨或者希望看到的。”不过，也正是研究团队对“弱智吧”数据的特殊操作，在论文内容发酵后引发了相关人士对实验结果的质疑。有质疑者提出：来自知乎、豆瓣等平台的其它子数据集采样了原内容和网友评论，只有“弱智吧”的子数据集完全不包括网友的评论、而是采用了GPT-4合成的回答这样的回答明显更完善、准确、多样，且最终来评分的居然还是GPT-4。“既当运动员又当裁判员，Evaluation bias（评估偏见）不会爆炸吗？用这种操作误导公众、获取流量，是不是有点过于不严谨了？”对于这一诘问，白岳霖也给出了正面回应。“获取流量并不是我们的初衷，我们也无意哗众取宠，更没有计划或安排任何宣传内容，我们的初衷只是想默默为中文NLP（自然语言处理）社区贡献些高质量数据集；对平台‘跑分’的实验本意，是想观察各平台数据对于测试集中各任务都有哪些影响。”白岳霖解释说。至于为何只有“弱智吧”子集不包括网友评论，正如前述所提到的，也是出于“弱智吧”部分网友评论经判断达不到训练语言模型的回答质量标准，因此决定重新构造回答。而使用GPT-4辅助构造回答，则主要是为了尽可能减少人力投入。白岳霖同时表示，已经注意到有关评估偏见的问题，他们计划在下一版论文更新中“补充人工评估实验”。张舸告诉《中国科学报》，“手搓”一个通用的、高质量的中文指令微调数据集，需要做大量筛选、检查和调优的工作，“是个体力活儿”，能寻求机器帮忙的当然不会放过。一切为了“更适合中国宝宝的AI”张舸是这项研究的核心人物，他也是COIG（Chinese Open Instruction Generalist，中文开源指令数据集）系列工作的发起人之一。张舸谈及发起这项研究的初衷，他告诉《中国科学报》，国内在有关中文指令微调数据集方面，目前还没有质量特别好的开源项目，个别项目也只是“勉强能用”，因此萌生了给业界提供一个完全开源的、包含中文社交媒体数据等在内各种来源的、可以直接微调大模型的数据集的想法。通过筛选收集，构建出具有挑战性的、真实的中文语料互动数据，对于训练和评估大语言模型理解和执行中文指令的能力而言，无疑是极具价值的。最直接地，将有利于减少大模型在回答中出现“幻觉”（模型在输出文本时出现的一些并不符合事实或常识的内容）。在这项工作中，作者团队构建了一个包含4万多条高质量数据的中文指令微调数据集，并将其开源给研究机构、企业等各方，为中文NLP社区提供了宝贵的资源。然而，这项工作繁琐复杂，不仅要去各个平台“爬取”高质量的内容数据，还需要... PC版： 手机版：