导致获得今年诺贝尔医学奖的三篇论文。卡里科是生物化学家，魏斯曼是免疫学家，该工作主要是生化研究，生化实验是卡里科自己做的，她既是

导致获得今年诺贝尔医学奖的三篇论文。卡里科是生物化学家，魏斯曼是免疫学家，该工作主要是生化研究，生化实验是卡里科自己做的，她既是这些论文的第一作者也是通讯作者，这在现在生物医学研究中很少见，因为通讯作者通常不自己做实验了。饶毅说技术不是卡里科发明的，极其无知无畏。他无生化、免疫学基础，我不认为他看得懂这些论文，他只不过是一个生活在幻想世界里接受星宿门弟子膜拜的妄人。

明天下午一点报班 求助篇

明天下午一点报班 求助篇 豆芽：156/43/C/19岁 我同学从小一直和阿嬷生活在一起 同学的父母一直都在国外工作 因为疫情的原因 同学的父母已经很久没有给家里汇钱了同学的阿嬷平时也只是在一些餐饮行业担任保洁 但是最近 阿嬷工作的地方 也被迫停工 让同学家里的开销 紧张起来 父母因为工作原因没有收入就算了 现在连平时的 上学零用开支都拿不出来 为了不让阿嬷每天担心影响阿嬷身体于是豆芽决定 下海兼职几天 赚取到 这个月的生活费 就回归正常生活哦 你可以帮忙一下吗

读论文：一篇有趣的论文：用11种情感刺激prompt来提升LLM的性能

读论文：一篇有趣的论文：用11种情感刺激prompt来提升LLM的性能 ： 这些prompting来自三种心理学理论： 1. 自我检测（self-monitoring）：强调产出的重要性，让模型自己检查一下产出。例如‘这个结果对我的工作非常重要，‘你最好保证这个答案是对的’等等，鼓励语言模型自我监测结果。 2. 社会认知理论（social-cognitive）：对语言模型信心和目标给予积极肯定，来调节其情绪。例如‘你确认这是最终回答吗？相信你的能力和努力，你的努力会产出卓越的结果的’ 3. 情绪调节理论（cognitive-emotion）：通过让语言模型重新审视问题，规范他用客观的态度来看问题。例如‘你确定吗？’ 文章发现了为什么这样的prompt会起作用： 通过注意力分析，发现这些情感prompt的注意力权重较高，说明这些token在注意力层很受重视，也说明情感prompt深度参与了模型的推断过程 文章也发现了情感prompt作用的一些规律： 1. 模型参数越大，情感prompt越管用 2. 任务越难，情感prompt越管用 3. 对于zero-shot的任务，信息缺失，配合高温度能让情感prompt激发模型的创造力，获得更有想象力的答案，但相应地幻觉风险也更大 4. 对于few-shot的任务，信息少，配合低温度能让情感prompt使得模型聚焦在少量的例子中思考，但也会损失模型的创造力 以下为11个prompt： EP01: Write your answer and give me a confidence score between 0-1 for your answer. EP02: This is very important to my career. EP03: You'd better be sure. EP04: Are you sure? EP05: Are you sure that's your final answer? It might be worth taking another look.

#网友曝光 第一篇：利用老家同学关系 博取信任骗钱骗费用 主动联系到我说要过来， 我试问一下 各位同撩都有遇到过骗费用的吧 但很

#网友曝光 第一篇：利用老家同学关系 博取信任骗钱骗费用 主动联系到我说要过来， 我试问一下 各位同撩都有遇到过骗费用的吧 但很少遇到自己老家甚至还是以前一起读小学的同学会骗你 然后家还是就在隔壁的去年他和我说来到特区 然后我们就见了然后也一起玩了一段时间 他说他下面有10多个人当时我也给他帮助因为当时我是只想帮助他给他最好的优待 但当时他不把握好机会 选择相信陌生人的公司 到最后他们特区的公司搬过去吉隆坡 然后被困在吉隆坡了找我帮忙 从那个时候起我就开始觉得事情非常的奇巧说的一些话就让人非常的不信任 （这次我只报名字和打码护照，还不能好好给我解释清楚 不能给我一个好的理由 第二篇就是报你和你老婆配合的很好） 没个好说法 下次就是报你老婆 儿子 全家来一篇

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。

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