Prompt交易平台；ChatGPT构建自动化工作流；7万字 ...

ChatGPT用户留存率30%；谷歌BardAdobe FireflyNew Bing英伟达阿里达摩院新闻；基于ChatGPT构建自动化工作流；Prompt搜索与交易平台；用Notion/Cubox/HiFlow/滴答清单实现P.A.R.A工作流；2W个ChatGPT开源项目分析；这应该是全网最完备的ChatGPT知识库了；想训大模型？这里有一份避坑指南…点击阅读全文

日报&周刊合集 | 生产力工具与行业应用大全 | 点赞关注评论拜托啦！

『ChatGPT 用户周留存稳定在 30% 左右』三分之一的用户习惯和需求被完全改变

『谷歌 | Bard开放公众测试』体验还行。fine，谷歌还活着

Google 的 Bard 终于开放公众测试，目前仅限美国和英国的用户，目前仅支持英语，目前还不具备编码能力，目前需要排队(waitlist)。
Bard 是由谷歌 LaMDA 模型提供支持的实验型对话 AI 服务，利用来自互联网的信息提供最新、高质量的回复，是对搜索引擎的补充。多数情况下，Bard 会为某项查询提供三种选项(drafts)，并支持点击“Google it”按钮启动搜索引擎！

用上 Bard 了吗各位？

  『Adobe | 发布全新创意生成式AI』AIGC 开始在专业市场上产品化了

Adobe Firefly 是 Adobe 推出的创意生成式AI模型集，将Adobe创意及数字体验应用的强大功能与人工智能结合，帮助设计师提升设计的效率，突破创意的边界。首批与 Firefly 整合的应用程序将会是 Adobe Experience Manager、Adobe Photoshop 和 Adobe Illustrator。

  『阿里达摩院 | 文本生成视频大模型』可以试玩，支持一下国产LLM

文本生成视频大模型-英文-通用领域  基于多阶段文本到视频生成扩散模型, 输入描述文本，返回符合文本描述的视频。仅支持英文输入。
模型由文本特征提取、文本特征到视频隐空间扩散模型、视频隐空间到视频视觉空间这3个子网络组成，整体模型参数约17亿。扩散模型采用Unet3D结构，通过从纯高斯噪声视频中，迭代去噪的过程，实现视频生成的功能。

试玩地址1 | 试玩地址2 试玩Demo显示too busy时，可以多刷新几次

『New Bing | 可以生成图像了』由 OpenAI DALLE 2技术驱动

New Bing 在 AI 领域继续发力，微软宣布推出新的 AI 生成图片功能 Bing Image Creator，该技术是由 OpenAI DALLE 驱动，可通过简单文字描述生成一张相关图片。
可以直接访问 Bing 的 image creator 进行试用，但有生成限制且不能聊天。

对话式AI引发的交互革命，如海啸前的退潮，悄无声息就来了。

『英伟达 | 发布ChatGPT专用GPU』推理速度提升了10倍，赢麻了

3 月 22 日，GTC 大会正式召开，英伟达 CEO 黄仁勋搬出了为 ChatGPT 准备的芯片。AIGC 的发展正在改变科技公司对于算力的需求，英伟达一次展示了四种针对AI任务的推理平台，它们都使用了统一的架构。
AI 的繁荣推动英伟达股价在今年上涨了 77%，目前，英伟达的市值为 6400 亿美元，已是英特尔的近五倍。不过今天的发布告诉我们，英伟达的脚步还没有停。（来源 <a href=&#34;https://mp.weixin.qq.com/s/t-wN4FrdQF6oTnaHhS71HA&#34;> @机器之心）

无论巨头还是个人，都是在给黄老板打工。

  『ChatFlow』打造个性化 ChatGPT 流程，构建自动化之路

ClickPrompt 是一款专为 Prompt 编写者设计的工具，它支持多种基于 Prompt 的 AI 应用，例如 Stable Diffusion、ChatGPT 和 GitHub Copilot 等。使用 ClickPrompt，可以轻松地查看、分享和一键运行这些模型，同时提供在线的 Prompt 生成器，使用户能够根据自己的需求轻松创建符合要求的 Prompt，并与其他人分享。
ChatFlow 是抽取 ClickPrompt 核心能力构建的新框架，是一个围绕 ChatGPT 构建的简易工作流引擎，将做事的套路工具化，结合 AI 进行自动化。目前包括 ClickPrompt Workflow、软件系统设计、Domain Driven Design、REPL Code Kotlin、模糊的需求到代码骨架、写作等几项自动化工作流。

以写作为例，作者构建了一个逐步运行的工作流，将写作流程拆解为思路扩展、继续思考、合适的标题、设计大纲、编写内容、写总结等6个步骤，并给出了更具体的提示方向，一步步引导最终的内容生成。

  『PromptBase』提示工程不止是个专业，还可以是赚钱的机会！

Prompt(提示)正在成为使用 DALL·E、Midjourney & GPT 等人工智能模型的必备技能。但是，高质量的提示词并不容易创建和寻找。 PromptBase 在线平台则试图解决这个问题。
PromptBase 构建了一个Prompt交易市场，可以搜索、购买和使用各种Prompt模板，节省API成本；销售自己的prompt还可以赚取收益。

  『用Notion/Cubox/HiFlow/滴答清单实现P.A.R.A工作流』新时代的知识管理

P.A.R.A. 是指 Projects项目 - Areas领域 - Resources资源 - Archives归档 四个能概括从生活到工作遇到所有信息的一级分类。

作者 @高拉探索多个 App 工具，构建了一条自动化的知识和事项管理工作流，实时提醒重要事项的进展：首先将 Cubox 的星标推送到 Notion，通过 HiFlow(腾讯千帆连接器)继续推向滴答清单，就在手机桌面上能时刻查看重要待办了。当然也可以构建连接器，将 Notion 中的资源推送到飞书多维列表中，并通过飞书机器人将知识推送至飞书对话提醒，也可以实现相同的提醒功能。

Cubox 是一款跨平台的网络收藏工具，通过浏览器扩展、客户端、手机应用、微信转发等方式，将网页、文字、图片、语音、视频、文件等内容保存起来，再经过自动整理、标签、分类之后，就可以随时阅读、搜索。
点击原文可以查看操作的执行细节。

『ChatGPT这把火是怎么烧起来？』我们分析了GitHub近20,000个开源项目

ChatGPT 毫无疑问是当红炸子鸡，彷佛一夜之间，全世界都在讨论 GPT、LLM、AIGC 这些火热的概念。那这把火到底是怎么烧起来？它目前有哪些主要的关注方向？未来可能还会怎么发展呢？
@陈希章对 GitHub 上近两万个项目进行了数据分析。作者在持续更新这个系列，首批部分关键洞察如下：

2022年12月，ChatGPT 相关项目明显增加，并在2023年实现彻底爆发，3月2日更是创建了单日最多的 497 个项目。目前 17K 名作者创建了 19.4K 个项目，获得约 530K Star，80K fork，530K watch。

Star总数Top 10项目中，Prompt Engineering 最是热门，毕竟是当务之急！Star增长速度最快的项目，榜首是微软的 visual-chatgpt，更有多个很有意思的新项目榜上有名。
创建 ChatGPT 活跃项目的作者榜Top 20中，除去地理位置未知的5个作者，中国的账号是7个，占到将近 50%的比例（7/15）。 使用最多语言的前6名是 Python、TypeScript、HTML、JavaScript、Rust、Go。

作者在原文表示后续会继续进行数据分析并公开数据集。我们一起期待更火热的洞察吧~

『宝藏 ChatGPT 学习笔记』天！这应该是全网最完备的ChatGPT知识库了

作者 @鹤啸九天在这篇 ChatGPT学习笔记 里对 ChatGPT 相关知识进行了非常完备的整理。非！常！完！备！7万多字~
ChatGPT介绍

ChatGPT 资料
ChatGPT 增速
ChatGPT 功能

ChatGPT原理

数学原理
模型原理
ChatGPT vs GPT 3.5
图灵迷雾
重点技术
LLM 大语言模型

ChatGPT优点

总结
业界观点

ChatGPT不足

总结
ChatGPT 改进

GPT-3 大模型竞赛

内部人士谈ChatGPT
大模型
追赶 ChatGPT
OPT
BLOOM
SparseGPT

ChatGPT业界影响

行业观点
微软
Meta
Google

ChatGPT应用

新奇应用
商业变现
语料扩充
新闻资讯
房产行业
智能家居
写小说
数字人

ChatGPT体验

体验方式总结
GPT-3 API vs ChatGPT Web
ChatGPT 参数
Python调用
手机app
微信公众号
小程序

ChatGPT效果

提示工程
攻击对抗
实测

ChatGPT思考

中小企业机会在哪儿
ChatGPT 为什么成功
国内为什么没有 ChatGPT
中美AI差别
ChatGPT 替代品
ChatGPT 集成图像生成
ChatGPT能否取代搜索引擎吗
ChatGPT进化

文本对抗攻击

什么是对抗攻击
设计思路
攻击模型
ChatGPT打假
detect GPT
GPTZero

结束

『万字长文，大模型训练避坑指南』想训大模型？这里有一份避坑指南

作者 AI 领域投资人 @Kiwi 与3位AI工程师与PM一起，分别就算力、算法、工程、数据和团队等方向，从实用角度讨论了训练一个千亿参数量级的大语言模型和ChatGPT需要些什么，希望能够给正在尝试拥抱大模型的业务决策者和技术人员一些有价值的参考。
Part 1：当我们讨论大模型时其实是在讨论什么
Part 2：大模型是如何炼成的？

2-1：想训大模型？这里有一张入场费账单
2-2：如何训练大模型效率会更高？
2-3：训练中文大语言模型，你的数据够用吗？
2-4：训出大模型，人海战术可能并不好使

Part 3：One More Thing，嘉宾的互问互答

Q：会出现训练 Transformer 的专用框架吗？
Q：从投资人视角看来，为什么每家都要训出ChatGPT，这合乎逻辑吗？
Q：ChatGPT 会一统天下吗？

我们相信千亿参数的大语言模型并不是终点，而只是AI浪潮中的第一步，开放的分享和讨论才能加速整个生态的发展和落地。

点击原文查看精彩问答，也可以收听播客。

订阅合集 #ShowMeAI日报 ，一览AI领域发展前沿，抓住最新发展机会！
点击 生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！