发现错过了一篇 text to video 的论文 —— Dreamix，众所不周知，现在视频可以P了，用嘴就行。

发现错过了一篇texttovideo的论文——Dreamix，众所不周知，现在视频可以P了，用嘴就行。从展示的案例来看，Dreamix的生成能力跟去年Meta和Google发布的模型类似，个人觉得用图片生成视频的案例比较惊艳……毕竟拍几张照片+一段文字描述就能生成一个视频，是真的离谱。▶项目地址：dreamix-video-editing.github.io▶论文地址：arxiv.org/pdf/2302.01329.pdf

可能很多重度用户跟我一样都感觉到 ChatGPT 最近几个月变傻了一些。还真是这样， 这篇论文最近半年对 GPT3.5 和 GP

可能很多重度用户跟我一样都感觉到ChatGPT最近几个月变傻了一些。还真是这样，这篇论文最近半年对GPT3.5和GPT4的研究发现：GPT4年初生成的代码52%概率可以直接执行，而现在大幅下降到10%。对素数的识别准确率从97.6%骤降到了2.4%https://arxiv.org/pdf/2307.09009.pdf来源https://twitter.com/quinn_leng/status/1681513871549558786

这里推荐下 PopAI，https://bit.ly/412xQbH，最近看论文和读长篇 PDF 都用的非常多，它支持针对 ar

这里推荐下PopAI，https://bit.ly/412xQbH，最近看论文和读长篇PDF都用的非常多，它支持针对arxiv的论文转存后直接进行AIChat，省却了下载PDF文件的过程（如图二）。第二类是精读工具，对大多数人来说，语言是第一阻碍，尤其是论文里铺天盖地的专业词汇，让人望而生畏；我用的比较多的是“沉浸式翻译”这个Chrome插件，它支持将PDF直接进行在线对照翻译，免费版的翻译质量有点一般，但也基本够用了（如图三）。论文的实验结果基本都是以图表形式呈现的，因此精读的一个重要环节是读懂图表，这部分也可以借助AI的能力来理解得更透彻，PopAI在这块做的也还不错，它背后接入了GPT-4V的API，可以对论文里的图片进行详细解读，另外，还支持在聊天框内直接粘贴图片跟它交互，比较方便（如图四）。如果论文正好是自己想要内容，还有一个非常实用的工具，叫做Paperswithcode，paperswithcode.com，之前也推荐过，它可以根据论文帮你找到对应的Github代码实现，以及用到的数据集和测试方法，这也是我用的比较多的。顺带提一嘴，涉及到AI的代码仓库，建议直接去GoogleColab上跑，它的下载速度可以达到200Mb/s，相比本地，会更加高效。以上，是近几个月研究AI和论文的一点经验。如果你在学习过程中用到了其他好用的辅助工具或者方法，也欢迎推荐和分享！

韩国研究人员在预印本网站arXiv平台上张贴两篇论文，声称发现常压室温超导体。

韩国研究人员在预印本网站arXiv平台上张贴两篇论文，声称发现常压室温超导体。https://arxiv.org/abs/2307.12008https://arxiv.org/abs/2307.12037有视频：https://sciencecast.org/casts/suc384jly50n知乎问题：https://www.zhihu.com/question/613850973何教授视频：https://www.bilibili.com/video/BV1Dx4y197tX真不是咱起床起猛了吗，等个其他实验室复现

GPT-4 整治学术不端：人大 / 浙大团队实测 7000 篇论文，撤稿预测与人类 95% 一致

GPT-4整治学术不端：人大/浙大团队实测7000篇论文，撤稿预测与人类95%一致https://www.ithome.com/0/761/869.htmhttps://arxiv.org/abs/2403.16851（英文）研究表明，GPT-4的总体预测结果（包含撤稿预测和非撤稿预测）与人工预测结果的一致性最高，高达约95%！其次是GPT-3.5和SVM模型，其一致性超过80%。而关键词方法与其他机器学习模型的一致性则在46%-64%之间，预测效果一般。在精确率方面，同样是GPT-4的精确率最高：GPT-4预测会撤稿的论文中，近70%的在人工预测中同样会撤稿。而其他模型的预测精确率均远低于GPT-4。

在 arxiv.org 链接前面加上“talk2”，可直接针对论文内容进行问答（需要自备OpenAI key）| github

在arxiv.org链接前面加上“talk2”，可直接针对论文内容进行问答（需要自备OpenAIkey）Talk2Arxiv是专为学术论文PDF构建的开源RAG（检索增强生成）系统，由talk2arxiv服务器提供支持特征PDF解析：利用GROBID从PDF中高效提取文本。分块算法：用于最佳文本分块的定制算法。按逻辑部分（简介、摘要、作者等）进行分块，并且还利用递归细分分块（块为512个字符，然后是256个字符，然后是128个字符......）文本嵌入：使用Cohere的EmbedV3模型进行准确的文本嵌入。矢量数据库集成：使用Pinecone来存储和查询嵌入。这也可以缓存研究论文，因此论文只需要嵌入一次。上下文相关性：采用重新排名过程来根据用户输入选择最相关的内容。