🚀 英伟达 GTC 2025 重磅 | Blackwell Ultra 正式发布！ 算力再翻倍，AI 工厂迈向百万 GPU 时代。黄仁勋表示，AI 的拐点才刚刚开始—— 这颗芯片将重新定义 AI 基础设施的天花板。 #英伟达 #BlackwellUltra #GTC2025 #AI芯片
中文
月光
64 posts
月光 retweetledi
推荐中文Twitter（X）圈，AI领域的优秀账号：
@dotey 宝玉老师，博客：baoyu.io 专注于LLM精品课程翻译，Prompt学习，AI行业第一手资讯。
@op7418 专注于AI绘画、AI视频生成，每周都会更新AIGC周刊，信息密度很高。quail.ink/op7418
@xiaohuggg 小互，自嘲为微博 500w 粉丝过气博主，今年转战Twitter
，每天更新大量AI新闻和工具资讯，往期推荐：waytoagi.feishu.cn/wiki/T2fUwmHBS…
@xicilion 西祠胡同创始人响马，经常分享LLM实战经验，干货很多，会定期删除Twitter帖子，收藏帖子要备份。
@WaytoAGI 最好的中文AI知识库，让人开眼界的AI的资讯整理大师。
@hanqing_me 汗青，AI Talk创始人，AI短视频制作先行者，探索AI技术和艺术结合的天花板。
@jesselaunz 遁一子，关注AI资讯和实际应用，经常分享Prompt探索实践，很有启发。
@lewangx 王乐，独立创业者，探索AI与硬件玩具结合，比如火火兔改造。
@JefferyTatsuya 日本华人AI创业典范，公司作品有Glarity、Felo等，都是口碑相很赞的AI工具。
@OwenYoungZh Chrome神级插件“沉浸式翻译”作者，博客地址：owenyoung.com
@FinanceYF5 Will，AI资讯分享者，对数据敏感，有整理不少有价值的AI行业数据信息。
@thinkingjimmy 随意搜寻小报童和 learningprompt.wiki 作者，产品经理和创造者，思考分享非常多。
@oran_ge 橘子，AI行业从业者，优秀产品经理，非常坦诚有趣的人。
@99aico Youtuber，AI资讯分享，体验并实践大量AI数字人类产品。
@XDash 范冰，《增长黑客》作者，经常推荐好书、好工具，Twitter内容很有趣。
最后，推荐我的两个好友，我们共同主持Fingerfly访谈节目。（虽然断更两个月😄）
@GlocalTerapy 七娘，科幻迷，顶级婚恋产品经理，对AI在游戏和社交领域的应用感兴趣。
@fuxiangPro 个人见过最自律的人之一，专注于AI和机器人的结合探索。
以上推荐，除前三名“卷王”外，排名不分先后。
求留言推荐你眼中的更多优秀账号~~~
中文
月光 retweetledi
分享个阅读 arxiv.org 上论文的技巧，通常 arxiv.org 上的论文都是 PDF 格式的，其实对于阅读很不友好，尤其是对于需要翻译对比阅读的。
一个技巧是你把论文摘要页url中的域名中的“x”换成“5”，就能用 HTML5 的格式阅读，比如说：
arxiv.org/abs/2305.16291
换成
ar5iv.org/abs/2305.16291
那么就能看到HTML版本的论文。它是官方基于原始的 LaTeX 借助 LaTeXML github.com/brucemiller/La… 再加手工校对而成，几乎原样保持了原始论文的格式，但更适合手机阅读，也可以方便的使用翻译插件。
但是 ar5iv.org 上的论文由于需要手工后期整理，所以更新通常要滞后一个月左右，也就是最新的论文你是无法在上面看到，还有一个替代方案就是使用 arxiv-vanity.com ，它也是借助 LaTeXML 生成，但是没有人工校对，所以格式要乱一些，并且很多论文无法正确转换，但作为一个替代也不错。
宝玉@dotey
《How to Read a Paper | 如何阅读一篇学术论文》这是2007年ACM SIGCOMM 计算机通信评论上的一篇文章，现在读来仍然不过时。 作者介绍了一种“三遍阅读法”以及它在进行文献调研时的具体应用，可以简单高效的阅读论文。 具体来说，就是读论文的时候，不是从头到尾连续读完，而是分三遍（最多）阅读完一篇论文，每一遍都是有目的的阅读，在上一遍的基础上进一步深入。 具体来说： 第一遍了解论文的大概轮廓，决定是否要深入阅读，重点阅读： 1. 标题、摘要和引言 2. 章节和小标题，忽略正文 3. 论文结论 4. 参考文献 看完第一遍后要求做到对论文有一个初步的了解，例如： 1. 类型：这篇论文属于哪种类型？是测量研究、现有系统分析，还是研究原型的描述？ 2. 背景：它与哪些论文相关联？用哪些理论基础来分析问题？ 3. 正确性：其假设是否合理？ 4. 贡献：论文的主要贡献有哪些？ 5. 清晰度：论文是否写得通顺易懂？ 根据这些信息，已经可以决定有没有必要继续阅读。 第二遍则是掌握论文的主要内容，但不深入细节。这一遍重点在： 1. 论文中的重点内容，忽略一些像具体证明等细节 2. 图表、插图 3. 参考文献 有时候第二轮看完也无法理解也没关系，可以不继续深入，也可以适当了解背景，可以休息后继续。 第三遍则帮你深入理解论文的深层内容，这一遍的重点，是尝试重构（重新再实现）论文的内容，也就是说假设自己的论文作者，基于作者的假设，重写一篇这样的论文。 通过这样的重构对比，就能很容易识别出论文中的创新，以及其存在的问题。 这有点像我们开发工程师做代码审查的方法。 原文：ccr.sigcomm.org/online/files/p… 翻译：baoyu.io/translations/l…
中文
月光 retweetledi
You can now use parameters in DALL•E 3!
Parameters are options added at the end of a prompt that change how an image generates.
For example, “—ar 1:1” means that your image will have a square aspect ratio.
Here is what I wrote in my Custom Instructions for this:
“When using DALLE3, I need you to follow all these instructions perfectly.
I’m going to provide you with a list of parameters. Parameters have either double hyphens (--) or an em-dash (—), followed by the parameter name, and a number. These parameters will be added at the end of the prompt so make sure to pay extra attention there. These are the parameters and their possible values:
—ar 1:1 (means square aspect ratio), 7:4 (means wide aspect ratio), 4:7 (means tall aspect ratio)
—stylize or —s parameter favors artistic color, composition, and forms. Low stylization values produce images that closely match the prompt but are less artistic. High stylization values create images that are very artistic but less connected to the prompt. 0 is the lowest value and 1000 is the highest.
—weird or —w parameter means that the higher it is, the weirder the image gets, ranging from 0 (normal) to 1000 (the weirdest).”
The great thing is that we can change the ranges to our liking and also add any parameter we want.
What parameters should I add next? 👀
English
月光 retweetledi
月光 retweetledi
这个方法挺好，直接问某图的seed。
“第一张图的seed是多少？”
“修改一下图一with seed [3953051823]: 宝剑刺向天空”
然后一步步修改
角色和背景完全得以保持
Paul Couvert@itsPaulAi
Dall-E 3 now lets you modify the images you generate. You can add elements, change colors and much more. I'll show you how to do this easily directly in ChatGPT:
中文
月光 retweetledi
在跟 ChatGPT 交互的时候，为什么让它打印思考过程，或者给它几个样本示例，结果会变得更好呢？arxiv.org/abs/2305.15408，这篇论文从理论层面论证了 CoT 为大模型提效的原理。
CoT（Chain of Thought prompting）有两种比较常见的实践方式，一个是在提示词中增加 Let’s think step by step，让大模型打印思考过程；另外一种是给出一些样本示例，让大模型依葫芦画瓢给出结果。
如果让大模型直接输出结果，那么随着输入内容长度的增加，准确推理所需要的神经元数量会以超越多项式（非线性增长）的速度增长，原因很简单，对于不存在并行算法解的推理性问题，例如 (16 - 3 - 4) * 2，Transformer 模型不擅长应对，论文使用了理论计算机科学中的电路复杂性理论进行了论证。
简单来说，输入文本越长，正确推理所需要消耗的资源就越多。例如让大模型回答 (16 - 3 - 4) * 2 它会给出正确的结果，但是让它回答“Janet 的鸭子每天下 16 个蛋，她每天早餐吃 3 个，给朋友每天 4 个。其余的卖钱，每个鸡蛋 2 美元。她每天赚多少钱?”，出错的概率就比较大了，因为信息量变大了，它给出的结果可能会是：“这意味着她每天会用掉 3 + 4 = 7 个鸡蛋。剩余的鸡蛋卖出去每个 2 美元，因此她每天总共卖出 7 * 2 = 14 美元的鸡蛋。答案是 14 美元。”，大模型在接受大量的信息利用贪婪解码策略推理时，受限于计算能力，它会丢失了部分信息。
而如果让大模型打印思考过程，就不一样了，在输出的时候，内容会不断被反馈到输入层，这可以增加模型的有效深度（正比于 CoT 的输出长度），也就是说，每次输入都将比上一次输入更具体和详细。因此，在不增加计算资源的情况下，大模型的有效深度将会随着输出长度的增加而增加，这样大模型就能更好地理解问题，并逐步推理出正确的答案了。
中文
月光 retweetledi
《字幕翻译、书籍翻译的福音，如何借助ChatGPT得到高质量的翻译结果？》
过去几个月里，我独立翻译了一百多部视频（space.bilibili.com/589397373/video ），可以说绝大部分翻译质量还是相当不错的。
如果完全靠自己的英文和中文水平，要达到这样的翻译速度和质量那是不太可能的，主要还是得益于ChatGPT的帮助，首先用GPT-4的API粗翻，再用ChatGPT Plus精翻。
很多人都用过ChatGPT翻译，但翻译出来的结果比起Google翻译和DeepL这种，似乎翻译质量并没有好太多，但其实是你没有最大化的利用大语言模型的优势，如果你能善用ChatGPT（尤其是GPT-4）这样的大语言模型，可以让你的翻译质量提升一个大台阶。
那么大语言模型相对于传统的翻译工具有什么优势呢？
1. 可以根据Prompt产生不同的结果
使用大语言模型的时候，借助Prompt你可以提出很多个性化的要求，比如说：
- 可以提供不同的翻译风格，比如你可以将翻译的结果更加口语化
- 你可以将某些专有名词使用特定的翻译（不会闹笑话把“LLM”翻译成“法学硕士”）
- 你可以提供上下文让翻译更有针对性，比如说这是一篇 AI 相关的技术文章，尽可能翻译成专业术语
- 你可以让它识别错别字，比如在语音转文字时，经常会产生错别字，或者翻译完成也可能会有错别字，这些错误人工纠正很容易疏漏，可以让AI帮你纠正，又快又准
- 可以提供背景解释，大语言模型背后有一个超级庞大的知识库，几乎囊括了互联网所有的公开信息，有时候我们在翻译时，遇到一些因为文化背景不一样的内容，很难理解其中的含义，这时候就可以让大语言模型帮你解释，帮助你更好的理解
- 等等
当然缺点也有：
1. 价格高（如果是API比较贵，包月的ChatGPT Plus其实性价比还是挺高）
2. 速度慢，比谷歌翻译和DeepL这些速度要慢
这里分享一下我使用ChatGPT帮我翻译字幕的经验。
一、写好Prompt
用ChatGPT的第一条就是写好Prompt，如果你只是写“请将我翻译以下内容为中文”，也能得到一个还不错的结果，但这样只是把ChatGPT当DeepL来用了。
但如果你能写一个高质量的Prompt，那么就能得到更好的结果。一个好的Prompt的结构（参考 x.com/dotey/status/1… ）：
✅ 角色、技能、个性
✅ 目标、任务
✅ 生成规则
✅ 输入输出格式
✅ 示例
比如我通常会给它先设定一个角色：
“你是一位精通简体中文的专业翻译，写作风格是短小精悍、通俗易懂。”
然后给它的任务：
“现在你要帮我将以下英文字幕翻译成中文”
再加上一些规则：
- 忽略错别字或者拼写错误
- 翻译时结合上下文意译而不是直译
- 译文通俗、简洁、易懂
- 英文单词前后加上空格
在有些情况下给出示例，比如说：
“英文单词前后加上空格，例如"中 English 文"”
有时候会说明输出格式：
“提供 5 种不同类型的翻译风格：意译、直译、口语化翻译、创意翻译、文学翻译”
二、提供足够的上下文，但一次只翻译一段，并且提供多个翻译结果选择
使用ChatGPT时，如果提供足够的上下文，那么有助于ChatGPT更好的理解要翻译的内容，给出更好的结果。
所以我在翻译字幕时，会尽可能将完整字幕一次性输入，这样ChatGPT可以看到完整的内容，能更好的纠正错别字、给出更好的翻译结果。
但我每次只让ChatGPT翻译一段，因为输出结果太长的问题在于：
1. 很容易超出最大上下文长度，比如我输入完整英文字幕，让ChatGPT完整翻译，通常最后一部分会无法正常输出，产生“幻觉”，因为超出了最大上下文长度。
2. 输出内容长的话质量要低一些，参考论文《Lost in the Middle: How Language Models Use Long Contexts》arxiv.org/pdf/2307.03172…
但是一次翻译一段的话，缺点就是速度慢一些，翻译完一段又要输入一段。但是对于精翻来说还可以接受，因为本来就需要慢工出细活，逐句斟酌。
另外还有一个很重要的技巧，就是翻译的时候，让ChatGPT一次提供3-5个不同风格的翻译结果，然后你就可以得到很多不同角度的翻译结果，大部分时候，你只要从这几种不同翻译结果里面选一个就可以了。
ChatGPT这类大语言模型是一种概率模型，根据概率生成内容，有时候很难一次就得到一个很好的结果，所以要得到好的生成效果，可以让它一次多生成几种结果，然后你可以从中选一个最好的，甚至于你可以让它自己帮你选一个。
有的时候，它能随机出来相当不错的翻译结果，所以大部分时候就只要从几个翻译选项中选一个最好的，或者组合一下。
三、追问，帮助更好的理解原文
有时候就算它提供了若干翻译选项供选择，但还是很难理解什么意思，这时候就可以在ChatGPT中追问。
比如上一次我在翻译Sam Altman一段关于授权的回复时，他说：“setting the training wheels at the right height and increasing them over time as people learn more and I build up more trust.”，然后ChatGPT的翻译结果是：“适当地设置“训练轮”，并随着人们学到更多知识和我对他们的信任增加而逐步提高。”。
说实话我是没看懂，如果我直接就这么翻译，从字面上理解也没问题，但是肯定有很多人像我一样看不懂什么意思。于是我就继续问ChatGPT：“能不能详细解释一下这里的"setting the training wheels at the right height"？”
于是ChatGPT给我详细解释了这里的意思：
> “设置合适高度的训练轮”这个短语可以理解为在团队管理和人员培养方面，为新员工或团队成员提供适当的支持和指导，而不是一开始就给予他们太多的责任和压力。这里的“训练轮”可以比喻为在员工成长和学习的初期阶段提供的辅助工具或支持，而“合适的高度”则意味着这种支持和指导应该是适度的，既不能太少也不能太多，以便他们能够逐步学习和适应，最终能够独立完成任务和承担更多的责任。随着时间的推移，这些“训练轮”会逐渐提高，意味着给予员工更多的自由和责任，让他们有更多的机会来展示他们的能力和潜力。
我继续问：“请按照上面的解释重新翻译”，于是我得到了一个新的翻译结果：
“我们要像调整孩子自行车上的辅助轮那样，为他们设定合适的支持和指导，随着他们的学习和我对他们的信任逐渐增加，我们可以逐步提高这个“辅助轮”的高度。”
这样就容易理解多了，因为“training wheels”是特指自行车的辅助轮，其实去年教孩子学自行车我就知道这单词，但是没有那么熟悉，尤其是一开始被翻译成“训练轮”，我很难将它和自行车的辅助轮联系起来，但是你一追问，那么ChatGPT就能从多个角度帮你分析解释，这样译者就能更好的理解原文的意思和背景，从而提供更为准确的翻译。
我觉得现在很多著作的中文翻译很晦涩难懂，很多时候是因为译者自己都没看懂，只能按照字面意思翻译，如果他们借助ChatGPT理解背后的意思，那么就能提供更好的翻译结果。
四、使用时避免上下文超长
ChatGPT这类LLM有个天然缺陷，就是上下文窗口无法太长，比如ChatGPT Plus，按我的经验，GPT-4大约8K的Token就是上限了，差不多~6000英文、~4000中文的样子。如果超出这个长度，后面的内容会出现幻觉，也就是胡说八道，出来的结果跟你输入的完全不相关。
避免这个问题有两个小技巧：
1. 优先使用Advanced Data Analysis（以前叫Code Interpreter）模型，这个模型上下文窗口明显能长一些
2. 多用ChatGPT的编辑功能
如果你在ChatGPT中不停地回复新内容，那么每次生成的时候都会把历史消息都加入发送过去，这样越到后面占用的Token越多，一会就会超出上限。
但是如果你每次只是编辑消息的话，它就只修改，不新增。所以我通常第一条消息发Prompt，第二条消息用来编辑，不停的变更要翻译的段落，这样每次都只有2条消息，基本不会超过上下文长度上限。
总结
一、根据你的使用场景写好你用来翻译的Prompt
二、提供足够长的上下文，但是每次只翻译一段，并且提供多种翻译风格供选择参考
三、借助追问，帮助你更好的理解原文
四、避免上下文超长
以上就是我使用ChatGPT进行翻译的经验总结，希望对大家有所帮助。
附：
图一：用来让ChatGPT翻译的Prompt
chat.openai.com/share/4236c6c9…
图二：追问，更好的理解上下文，得到更好的翻译结果
chat.openai.com/share/fac23c8e…
图三：不同翻译风格的结果
图四：使用编辑功能避免上下文超长
中文
月光 retweetledi
大家如果想看到更多 DALL·E 3 的出图效果，推荐关注这两位来自Open AI 的朋友，他们最近分享了大量使用 DALL·E 3 生产的图像。👉@TheRealAdamG 和 @willdepue
如果你有想要尝试的提示词，还可以在@willdepue 的推文(链接见下推)下留言，他会帮忙尝试。
中文
月光 retweetledi
月光 retweetledi
怎么样在Excel里面使用ChatGPT，原生体验，实测效果非常好!
【黄金组合】ChatGPT+Excel生产力飙升，完美适配各种使用场景、公式、方法！ youtu.be/yvHn1ABtvyA?si… 来自 @YouTube
YouTube
中文
月光 retweetledi
月光 retweetledi
月光 retweetledi
月光 retweetledi
十个非常实用的ChatGPT心得分享，千万别错过！
【干货揭秘】10个ChatGPT技巧，让你从新手秒变专家！ youtu.be/xBVn4CxOGmA?si… 来自 @YouTube
YouTube
中文
月光 retweetledi
让任何人都能微调（Fine Tune）LLM的项目，带有完整且比较简单的UI界面，上传训练数据就能在线训练（按GPU类型和时长收费）
抱抱脸复制模板：huggingface.co/new-space?temp…
Github开源地址：github.com/huggingface/au…
中文
月光 retweetledi
