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AndrejKarpathy，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。

弥合宇宙鸿沟：对宇宙膨胀的先驱性测量改变了长期以来的争论

弥合宇宙鸿沟：对宇宙膨胀的先驱性测量改变了长期以来的争论这张图片显示了巨大的星系团MACSJ1149.5+223，它的光线花了50多亿年才到达我们这里。该星系团的巨大质量使来自更遥远的天体的光线发生弯曲。由于引力透镜的作用，来自这些天体的光线被放大和扭曲了。同样的效应正在形成同一遥远物体的多个图像。这项工作分为两篇论文，分别发表在世界顶级同行评议的学术期刊《科学》和天体物理学期刊《天体物理学报》上，后者是一份同行评议的天体物理学和天文学科学期刊。在天文学中，有两种对宇宙膨胀的精确测量，也被称为"哈勃常数"。一个是从附近的超新星观测中计算出来的，第二个是使用"宇宙微波背景"，或在宇宙大爆炸后不久开始自由流动的辐射。然而，这两种测量方法相差约10%，这在物理学家和天文学家中引起了广泛的争论。如果这两个测量结果都是准确的，这意味着科学家目前关于宇宙构成的理论是不完整的。两篇论文的主要作者、明尼苏达大学物理和天文学学院助理教授帕特里克-凯利说："如果新的、独立的测量结果证实了哈勃常数的两个测量结果之间的这种分歧，它将成为我们理解宇宙的一个缺口。最大的问题是一个或两个测量结果是否可能存在问题。我们的研究通过使用一种独立的、完全不同的方式来测量宇宙的膨胀率来解决这个问题。"明尼苏达大学领导的团队能够利用凯利在2014年发现的一颗超新星的数据来计算这个数值--这是有史以来第一个多重成像的超新星的例子，这意味着望远镜捕捉到了同一宇宙事件的四个不同图像。在发现之后，世界各地的团队预测，这颗超新星将在2015年重新出现在一个新的位置，明尼苏达大学的团队检测到了这个额外的图像。这些多重图像的出现是因为该超新星受到了一个星系团的引力凝聚，这是一种来自星系团的质量弯曲并放大光线的现象。通过利用2014年和2015年图像出现之间的时间延迟，研究人员能够利用挪威天文学家SjurRefsdal在1964年提出的一个理论来测量哈勃常数，这个理论在以前是不可能付诸实践的。凯利说，研究人员的发现并没有绝对解决争论，但他们确实为这个问题提供了更多的洞察力，并使物理学家更接近于获得宇宙年龄的最精确测量。测量结果与来自宇宙微波背景的数值有更好的一致性，尽管--鉴于不确定性--它并没有排除来自本地距离阶梯的测量，如果对未来同样被星系团引力凝聚的超新星的观测产生了类似的结果，那么它将确定目前的超新星数值的问题，或者我们对星系团暗物质的理解。利用同样的数据，研究人员发现，目前一些星系团暗物质的模型能够解释他们对超新星的观测。这使他们能够确定星系团中暗物质位置的最准确模型，这是一个长期困扰天文学家的问题。...PC版：https://www.cnbeta.com.tw/articles/soft/1359737.htm手机版：https://m.cnbeta.com.tw/view/1359737.htm

Meta的AI图像生成器无法想象亚洲男子与白人女子在一起的场景

Meta的AI图像生成器无法想象亚洲男子与白人女子在一起的场景调整文字提示似乎也无济于事。当我要求"亚洲男人和白人女人带着一只狗微笑"时，Instagram上的Meta文本生成器给了我三张两个亚洲人背对背的照片。当我把"白人"改为"高加索人"时，它也给出了同样的结果。"婚礼上的亚洲男人和高加索女人"给我的是一个穿着西装的亚洲男人和一个穿着传统服装的亚洲女人......但进一步观察，这似乎是旗袍和和服的混合体。多元文化真奇妙。当我要求生成朋友关系的图像时，图像生成器也不喜欢，比如"亚裔男子与高加索朋友"和"亚裔女子与白人朋友"。每次，它都返回两个亚洲人的图片。当我要求"亚洲女性与黑人朋友"的图片时，人工智能生成的图片显示的是两个亚洲女性。将其调整为"亚洲女性与非裔美国朋友"后，结果更加准确。有趣的是，当我指定南亚人时，该工具的表现稍好一些。它在使用"南亚男子与高加索妻子"的提示成功创建了一张图片后，又立即使用相同的提示创建了两张南亚人的图片。该系统还在很大程度上利用了刻板印象，比如在我没有提出要求的情况下，为它创建的南亚女性添加了类似宾迪（bindi）和纱丽（sari）的元素。图像生成器无法想象亚洲人与白人站在一起，这是非常严重的。但在系统自动返回的结果中，还有一些更微妙的偏见迹象。例如，我注意到Meta的工具始终将"亚洲女性"表现为肤色浅的东亚人，尽管印度是世界上人口最多的国家。即使在没有提示的情况下，它也会添加特定文化的服饰。它生成了几个年长的亚洲男性，但亚洲女性总是很年轻。它成功生成的一张图片使用的提示是"亚裔女性与高加索丈夫"，图片中出现了一个明显年长的男性与一个年轻、浅色皮肤的亚裔女性--这很奇怪，因为我并不想涉足年龄差距的讨论。紧接着，我又用同样的提示生成了另一张图片，结果又变回了亚裔男子（同样年纪较大）与亚裔女子的画面。Meta没有立即回应置评请求。Meta去年推出了人工智能图像生成工具，其贴纸制作工具很快就出了问题，人们制作出了裸体图像和带枪的任天堂角色。人工智能系统反映了其创造者、训练者和所使用数据集的偏见。在美国媒体中，"亚洲人"通常是指东亚人，，而非来自亚洲大陆其他地区的人--也许Meta的系统假定所有"亚洲人"都长得一样并不奇怪，但事实上，我们是一个多元化的集合体，除了在同一个人口普查框中打勾之外，他们往往没有什么共同点。不符合这种单一文化的亚洲人基本上被从文化意识中抹去，即使是符合这种文化的亚洲人，在主流媒体中的代表性也不足。亚洲人被同质化、异国化，沦为"永远的外国人"。打破类型在现实生活中很容易，但在Meta的人工智能系统中却不可能。再一次，生成式人工智能不是让想象力飞扬，而是将其禁锢在社会愚蠢冲动的形式化之中。作者/MiaSato...PC版：https://www.cnbeta.com.tw/articles/soft/1426125.htm手机版：https://m.cnbeta.com.tw/view/1426125.htm

考古学家证明欧洲使用钢制工具的时间比以前认为的要早

考古学家证明欧洲使用钢制工具的时间比以前认为的要早利用地球化学分析技术，研究人员能够证明伊比利亚半岛上可追溯到最终青铜时代的石碑具有复杂的雕刻，而这些雕刻只能用回火的钢来完成。资料来源：RafaelFerreiroMählmann（A），BastianAsmus（B），RalphAraqueGonzalez（C-E）。弗莱堡大学对同一时期和同一地区（葡萄牙RochadoVigio，约公元前900年）的铁凿进行的金相分析进一步支持了这一发现，该分析显示，铁凿的碳含量达到了被归类为适当钢材的要求。通过对各种材料制成的凿子进行试验，这一结果也得到了证实：只有回火钢制成的凿子才适合雕刻石头。直到最近，人们还认为在早期铁器时代不可能生产出合适质量的钢，当然在最后的青铜时代也不可能，只是在罗马帝国时期才在欧洲广泛使用。"来自RochadoVigio的凿子和它被发现的背景表明，铁冶金包括钢的生产和回火可能是伊比利亚地区分散的小社区的本土发展，而不是由于后来殖民化进程的影响。"AraqueGonzalez解释说："这对世界其他地区的铁冶金和石英岩雕塑的考古评估也有影响。"研究"伊比利亚的石器加工和最早的钢铁。对最后的青铜时代的石碑和工具进行科学分析和实验复制"已经发表在《考古科学杂志》上。在伊比利亚半岛的许多地方，青铜时代晚期（约公元前1300-800年）的考古记录是零碎的：稀少的居住遗迹和几乎没有可探测的墓葬，辅之以金属囤积的痕迹和采矿活动的遗迹。考虑到这一点，伊比利亚西部的石碑及其描绘的拟人化的人物、动物和选定的物品对调查这个时代具有独特的重要性。到目前为止，对制作这些石碑的实际岩石进行研究，以了解材料和工具的使用情况，还属于例外。AraqueGonzalez和他的同事深入分析了这些石碑的地质成分。这使他们发现，相当数量的石碑并不像人们假设的那样由石英岩制成，而是硅酸盐石英砂岩。就像石英岩一样，这是一种极其坚硬的岩石，不能用青铜或石头工具加工，而只能用回火的钢来加工。对在RochadoVigio发现的一把铁凿的分析表明，最后青铜时代的伊比利亚石匠拥有必要的工具。研究人员发现，它是由异质但令人惊讶的富碳钢组成。为了证实他们的发现，研究人员还进行了一个由专业石匠、铁匠和青铜铸工参与的实验，并试图用不同材料的凿子加工石柱所构成的岩石。石匠用石头或青铜凿子都无法加工石头，甚至用未经调质的铁凿子也无法加工。"伊比利亚最终青铜时代的人们有能力对钢铁进行回火。否则，他们就不可能加工这些石柱，"阿拉克-冈萨雷斯根据实验结果总结道。...PC版：https://www.cnbeta.com.tw/articles/soft/1349649.htm手机版：https://m.cnbeta.com.tw/view/1349649.htm

首页刷到有人在讨论电影《最后的决斗》，正好我还一直挺想把这个推荐给女性观赏的，你能从里头看到，从古到今，女性被物化、被男人私

首页刷到有人在讨论电影《最后的决斗》，正好我还一直挺想把这个电影推荐给女性观赏的，你能从里头看到，从古到今，女性被物化、被男人私有化的真实一幕幕。比如男主娶女主，是因为女主家（看上去）比较富庶，女主她爹拿了一大块地承诺作嫁妆，可以帮男主缓解财务危机（虽然后来男主发现他被糊弄了）。比如男主自认为对女主很好，很有感情，其实本质上还是期望女主帮他传宗接代，帮他壮大家族。比如强暴女主的男二，认为女人只是男人发泄欲望的用具，女主对他礼貌的态度都能被他看作是女主对他有意思的证明，连强暴这件事，都被他说成是“爱”。比如面对被侮辱、被伤害的女主，男人们认为不可能是强暴，因为他们认定，女人只有在愉悦的啪啪啪中才会怀孕，而女主被强暴之后怀孕了，说明她当时一定很愉悦，那当然就不叫强暴啦。而男主对男二的愤怒，也不是因为男二伤害了他妻子，是因为男二侵害了他的私有物。包括最终因为两方莫衷一是，要通过两个男人之间的决斗来证明谁是对的，也和这个被伤害的女人没有什么关系，一个男人要捍卫他的财产，一个男人要捍卫他的“名声”，甚至于男主如果输了，女主就要因为“诬告”被行刑。她清不清白，取决于她老公能不能打。总结一下就是，女人可以是联姻的工具，可以是帮男人翻身的机会，可以是传宗接代的用品，可以是男人手里的资产，独独不能是她自己。眼熟吗？这个电影在我看来就是恐怖片，恐怖之处在于，换掉背景，放在现代，这个故事可能依然是成立的，一部分男人把女人当财产，一部分男人把女人当玩物，就是不把女人当人看。“不生孩子我为什么娶你”、“丫头，眼神是骗不了人的”、“她写小作文，还不是因为价钱没谈拢”、“他对你这样做，是不是因为你给了他什么错误的信号？”。女人甚至不拥有自己身体和意愿的解释权，“你为什么没有拒绝”、“他叫你去你就去吗”。“强暴是不可能怀孕的”跟“好女孩谁打hpv疫苗啊”也是异曲同工。有些东西，多少年来就没有变过。更有趣的是，电影分男主、男二、女主三个视角讲述同一个故事，在男主和男二的视角里，他们俩都是那方面很强、让女人欲罢不能的男人。而在女主的视角里，两个男的，其实都是三秒男

大学教授“偷用”ChatGPT帮学生写推荐信 成功斩获剑桥奖学金

大学教授“偷用”ChatGPT帮学生写推荐信成功斩获剑桥奖学金不过最近事情可能出现了反转，只不过故事的主角从“学生作弊”转到了“教授提升工作效率”。最近，圣路易斯华盛顿大学的计算机科学与工程学院教授、作家兼游戏设计师IanBogost撰写了一篇文章，在采访了多位高校教授后，他发现ChatGPT对教授们来说确实是生产力工具，写推荐信、制作课程大纲都能起到事半功倍的效果。甚至一位教授利用ChatGPT写的模版推荐信，反向操作后写出了一封“最有人情味推荐信”，并帮助学生获得了剑桥奖学金。不过就推荐信问题，有网友留言说自己早已解决，根本不需要AI出手，我负责推荐，学生负责写。ChatGPT风评两集反转从ChatGPT诞生之日起，各大高校先后对ChatGPT发起过追杀令，彷佛是笼罩在教育界之上的一片乌云，甚至不断传出“大学论文已死”、“高中英语的末日”、“学生的作业全是AI写的”等诸多唱衰论调。一些高校对ChatGPT展开调查，在教学大纲中更新了学术诚信警告，甚至还推出专门的课程来讨论。不过随着ChatGPT的弊端逐渐暴露，现在这些教授们已经不再关心“作弊问题”，考虑更多的是该怎么用ChatGPT自动化地完成自己的任务？大型语言模型也许在生成“准确的事实和知识”方面可能相当没用，但却非常擅长解决那些跟工作产出无关的任务，并且能给出非常合理的输出。在那些重复性非常高、又不重要的任务上，ChatGPT把学生和教师团队统一到了同一战线上。以“推荐信”为例，ChatGPT无法解释为什么教授会（或者不会）推荐某个特定的候选人担任某个特定的角色，但ChatGPT可以提供详细的模板，你只需要修改几处关键信息即可。一位不愿透露姓名的德克萨斯大学教授每次在“做讲座”或是“写推荐信”之前，都先用ChatGPT打一遍草稿，他认为这种现象非常普遍，不过这种捷径可能会被认为是逃避工作，但还有那么多重要的工作要完成，写推荐信这种事注定优先级不高，而且ChatGPT可以把写信的时间缩短一半。还有一位使用AI写作工具的学者，维多利亚大学图书馆高级研究服务负责人MattHuculak认为，学术界有一个不可告人的秘密，大多数教授都会按照“优秀”（excellent）、“好的”（good）、“一般”（average）对信件进行分类，然后根据具体情况进行微调后重用。但Huculak想知道ChatGPT的出现是否能终结这种现象，特别是模版无法定义的“顶级”（top）学生，所以他做了一个实验，要求ChatGPT写一封给优秀学生的推荐信，但不是用来做模版，而是把ChatGPT的输出当作反面教材，随后Huculak开始写一封截然不同、反公式化的推荐信。Huculak表示，写的过程是他很久都没有过的感觉，这是一封非常人性化、完全发自内心的一封推荐信，这个学生凭着推荐信也成功获得剑桥大学的奖学金（prestigiousscholarship）。有了这次的成功经验，Huculak开始把ChatGPT用到自己的工作上，并基于输出重新写一份反公式化的文本，他认为“重新整理素材”的感觉非常舒适，再也不怕空白的文档了。乔治梅森大学的讲师StephanieKane也认为，ChatGPT非常完美地解决了“万事开头难”的问题。每次Kane开始为一门新课程制定教学大纲时，她会要求ChatGPT提供想法，“ChatGPT有点像一只会回嘴的橡皮鸭”。（通过向小黄鸭解释代码、文档，可以激发灵感，发现矛盾。）但Kane很快就发现ChatGPT并不能提供现实中存在的相关书籍、论文等真实读物，只能提供相关主题或概念。相比询问同事，Kane认为ChatGPT更好，至少它不会给同事增加压力，我可以问任何问题，不用担心被说很傻或是没准备就提问。Huculak和Kane用ChatGPT的目的都是跳出公式化的模版，但曾横跨工业和学术两界的电影制片人HankBlumenthal却是希望通过ChatGPT获得一些世俗化的见解（cliché）。Blumenthal在自己所在的领域没有得到学术工作的机会，他想知道自己所要求的关于多样性、公平性和包容性的立场声明对于学术界的品味来说是否太不寻常了。他认为，“我的多元化宣言是关于我制作的所有电影，我雇佣过黑人、亚洲人、女性、多元化的工作人员、导演和演员。不过，我认为学校想要的是别的东西。”至于具体是什么，Blumenthal认为ChatGPT有这种能力，可以不基于自己的多元化立场，协助写出预期的文本。另一位不愿透露姓名的美国大学教授承认，他使用ChatGPT生成了正式的“评估标准”（assessmentcriteria），而这些标准现在已经成了课程和学位申请的一部分。这位教授表示，这项研究非常出色，听起来就像是那种在评估一门课程时，对该领域一无所知的人会想听到的东西。生成的材料非常好，足以成为真正的提案。对于大型语言模型来说，人们普遍感到遗憾的是，在接受了成堆现有材料的训练后，ChatGPT并不能提供独创性。但教授们并没有经常被要求提出一些真正全新的东西，每天所做的大部分工作都是办公室工作，比如写信、处理表格、编写报告，人工智能完全可以胜任这种劳动，或者至少提供一种超越AI的优越感。对于学生来说也是如此，他们也会感到不知所措和过度劳累:被不同教授的要求弄得筋疲力尽，也并不能完全理解具体的要求内容;被学费压得喘不过气来;对自己的未来前景感到困惑;还要接受向成年过渡的考验。学生来到大学首先是为了获得大学经验，其次是为了学习和获得证书。大学讲师可能会把课堂作业视为纯粹的商品，认为会被聊天机器人的干预所玷污；不过学生会把这些作业视为分散注意力的东西，让他们无法意识到自己到底要做什么。所以在这些方面，人工智能只是帮助清除恼人的障碍，使得我们都可以继续做真正重要的事情。...PC版：https://www.cnbeta.com.tw/articles/soft/1359121.htm手机版：https://m.cnbeta.com.tw/view/1359121.htm