同时，在特定领域，我们至少需要通读八九篇核心论文，这样才能基本理解，并解释为什么某篇论文让我们感到兴奋。

同时，在特定领域，我们至少需要通读八九篇核心论文，这样才能基本理解，并解释为什么某篇论文让我们感到兴奋。 未来五到十年里，很多现在的知识可能会变成常识。到那时，了解与否的差异可能并不显著。但在当前，通过阅读论文获得的信息量是巨大的，它能显著提高我们的认知水平，帮助你做出更准确的判断。 2、去哪找论文，怎么读论文？ 那么，想要找到新颖或高质量的论文，我们应该去哪里呢？可以关注一些知名平台，如百度学术，或是OpenAI的Andrej Karpathy，看看他们推荐了哪些论文。实际上，你需要让自己沉浸在学术环境中，对感兴趣的论文深入阅读。Hidecloud个人习惯一天至少读两到三篇。 Hidecloud通常将论文分为两类：一类是他认为具有范式创新的，另一类是技术细节有所改进的。 对于后者，Hidecloud会快速阅读，关注他们具体优化了哪些方面，提升了多少。但对于那些具有范式创新的论文，Hidecloud会仔细研读。 阅读论文的好处是巨大的，它能直接帮助我们在产品设计和技术改进上取得实际成效。比如一些论文不仅提出新模型,还包含了工程优化的技巧,比如加速模型推理等。产品经理阅读这些内容后,可以直接应用于产品中,提升性能。 更重要的是，通过阅读前沿论文，可以及时了解最新模型的能力边界,以及新出现的技术创新点。进而，重新审视传统问题，开拓新的解决思路。这种全新的思考方式，有可能带来行业颠覆性的创新机会。 三、读完论文、测完demo，如何产研协同？ 1、之前产品更依赖工程师 传统的软件开发模式中,产品经理负责需求分析和功能设计,然后把需求文档交给工程师,由工程师将这些抽象的业务逻辑转化为具体的代码实现。 这个过程需要产品经理和工程师密切配合,但两个角色的职责划分还是比较明确的。 2、现在产品也能做点开发 而现在,一些低代码(Low-code)或无代码(No-code)开发平台的出现,让非技术背景的人也能通过可视化的方式快速构建应用。 比如使用自然语言描述业务流程,然后自动生成可执行的工作流(Workflow)。这在一定程度上降低了开发门槛,产品经理可以更直接地参与到原型设计和功能实现中来。 3、工程师可能更专注后台问题 借助大语言模型的能力,产品经理用自然语言描述的复杂业务逻辑,可能会被自动转换成更加结构化、标准化的中间表示,如可视化的流程图(pipeline)或特定领域语言(DSL)等形式。这种表示一方面可以清晰地呈现业务逻辑,另一方面也更容易转化为最终的代码实现。 在这种趋势下,产品经理在功能决策上可能会有更大的自主权,可以通过灵活组合各种逻辑单元来快速响应业务变化。而工程师则会更专注于系统架构、性能优化、弹性扩展等技术问题,去建设一个高可用、高并发的稳定平台。

练手项目： 基于ReAct手搓一个Agent Demo

练手项目： 基于ReAct手搓一个Agent Demo “这里基于ReAct的方式，我们手动制作了一个最小的Agent结构（其实更多的是调用工具），暑假的时候会尝试将React结构修改为SOP结构。 一步一步手写Agent，可能让我对Agent的构成和运作更加的了解。以下是ReAct论文中一些小例子。”

开源了，这是一个足够简单（调用ChatGPT的API）却又功能俱全（有登录和支付）的demo级产品。

开源了，这是一个足够简单（调用ChatGPT的API）却又功能俱全（有登录和支付）的demo级产品。 [技术栈] 前后端：Next.js+Tailwind+Prisma 登录：Next-Auth 支付：Lemon Squeezy 部署：Vercel 你可以基于这个项目快速开发自己的SaaS产品。 求Star： 如果你对以上技术栈不熟悉，可以到这里边学边练：

暴躁的教授读论文一个学术论文阅读伴侣应用程序，旨在通过富有个性的AI助手提高论文阅读效率。它集成了PDF处理、AI翻译、RAG检

暴躁的教授读论文 一个学术论文阅读伴侣应用程序，旨在通过富有个性的AI助手提高论文阅读效率。它集成了PDF处理、AI翻译、RAG检索、AI问答和语音交互等多种功能，为学术研究者提供一站式的论文阅读解决方案。 #GitHub #趣味 #工具 地址：

看GPT-4现场demo的感想：

看GPT-4现场demo的感想： 1. 相比于官方宣传里强调的GPT-4在SAT、GRE考试上取得的成绩，它在多模态中展现出的能力更加让人感到惊艳。Demo中，Greg尝试了几张截图和照片，GPT-4都能够详细地讲述内容和细节，甚至可以根据一张手绘的草图写出对应的网页HTML代码。等视觉方面的能力开放出来之后我想要好好试试。 2. 在demo中，GPT-4基于开发者文档的内容提出有效的解决方案和代码，基于法律条文解答税务问题，并用通俗易懂的语言一步一步地解释，这种使用方式非常有趣。现实社会中的很多文章并不是为普通人写的：从法律条文到专业文献再到开发者文档，写作所追求的往往是准确度、覆盖面、专业度，但偏偏并不是普通人易读性。因此，我们需要雇佣专业工作者，例如律师、咨询顾问，来作为中间的桥梁，从一个实际问题中找到对应的文献，获得准确的解答。Demo中展示出来的效果是，GPT-4可以做类似的事情，基于专业文献找到答案，用通俗易懂的语言解答个人的疑问，达到为普罗大众赋能的作用。 3. 和上面第二点相关，像是专业的工具文档，之前是针对开发者写作，那未来是否会变为针对LLM写作，从格式到内容到呈现方式，都为了能够更好地被模型输入而优化？ 4. OpenAI的现场demo感觉非常好，苹果为硬件产品发布会树立了标杆，OpenAI为AI软件发布会也树立了一个好的榜样。 5. 一遍一遍提醒自己做预期管理：不要根据demo去推断GPT-4的能力，还是得到手之后试试。Interpolation不可取……

传奇程序员约翰卡马克想要转型ai，然后ilya给他推荐了这27篇论文，说看完这些论文就会对当前领域在发生什么有一个全面的理解

传奇程序员约翰卡马克想要转型ai，然后ilya给他推荐了这27篇论文，说看完这些论文就会对当前ai领域在发生什么有一个全面的理解。 这个太棒了。无数大佬都说学ai最重要就是多读paper多测demo，但是论文千千万，精力又是有限的。可以有真大神ilya帮忙梳理一套论文那是完全不一样的。 而且现在有了gpt的帮助，包括一些插件比如consesus，比如mr.ranedeer，等等，小白也可以最无痛的看论文了。甚至可以针对这27篇论文，让gpt帮自己定制一个专属的学习计划和专属教材。 另外加上一个超好用的小技巧，我之前学神经网络和机器学习基础的时候一直在用的，就是让gpt针对每个知识点学完以后马上问问题来靠自己，比如让自己用自己的语言陈述一下这个知识点，然后gpt就可以测试自己对每个理论或者知识点的理解透不透，如果不透马上可以针对这个知识点给你傻瓜式解释到你绝对懂为止。这种流畅的学习体验，和没有gpt时代是完全完全不同的，曾经的自己如果这么厚一踏专业全英文论文摆在面前，坦白说连翻来的勇气的没有。(只针对人生的前30多年一篇学术论文都没看过的我)。但是现在，我看到ilya推荐的论文清单，只有兴奋。因为我马上可以为这27篇论文，指定一个24小时的gpt老师和专属针对性的学习和练习计划，里面涉及的技术问题的讲解，我也很有信心gpt的讲述方法可以让读过中学的人都有办法理解，如果不理解，可以再换一百个角度一百个比喻来讲解。这种信心，我觉得是和gpt前的时代完全不同的。 我让gpt把27篇论文简单梳理。摘要。分不同阶段。再提供一下论文的下载链接。如果有必要，让它逐步针对27篇论文，把里面的理论体系形成一整本立体全面相互关联的一本教材也不是不可以的。这种学习体验像魔法一样。所以我感觉可能未来外卖小哥快递小哥保安小哥自学ai成为各个领域大神的故事会越来越多，越来越常见。认为自己因为没有专业背景没读过相应大学专业没做过相应的工作所以不行也不敢尝试，这种想法慢慢会被ai改变。 ai will make human more human