人工智能曾小健

原创 我叫曾小健，开发第一线：Mac开发大模型/量化 环境配置和快捷键shortcut

Mac Linux Win 定位到搜索栏 com + L com D com D 启动台（要点击键盘设置） otp + com + Q win + Q 终端 系统应用搜索 com + space 浏览器下载位置 opt + com + Q ctrl + J 快速回到桌面 com + m （最小化当前窗口） alt + D

原创 我叫曾小健，开发第一线：新Windows与开发环境：大模型LLM/量化 Win-Mac统一快捷键体验

对于开发者用Windows来说，最大的建议就是不要用Windows，既然必须要用，那就来吧！！！

原创 新Ubuntu 22.02/远程 安装软件 配置cuda环境 大模型开发 torch 环境

1.nvidia驱动3.安装星火商店3.输入法linuxwindows在C:\Users\用户名\pip\pip.ini中添加这一行，保存即可[global]

原创 Ubuntu Linux AI大模型开发常用命令 - 更新中 包括NVIDIA状态，和安装相关常用软件包，没事就背背

Ubuntu AI大模型开发常用命令 - 更新中 包括NVIDIA状态，NVIDIA状态，实时更新：和安装相关常用软件包没事就背背，增加开发效率。

原创 大脑在行动之前就有了决定动作的迹象，还惊人地展示了大脑活动甚至先于人有意识地做决定 经典实验再遭质疑，自由意志是否存在？ 利贝特实验

尽管利贝特本人一直维持他对自己研究的解读，他依然认为实验本身并不足以证明完全的决定论，即认为所有事件都是由之前事件决定的，甚至包括我们的心理功能。但是舒格想到如果能把它们的波峰（风暴天气，或是市场记录高点）连接起来，并且像科恩努博和戴克那样作一个瞬态平均倒回放的处理，得到的图示可能会看起来像爬升的趋势（乌云聚集，或是股价抬升）。并且很不幸的是，从大众科学讨论的角度来看，舒格的重大发现并没有比利贝特的工作更能回答那些恼人的自由意志问题。假如他用同样的方法模拟脑内的自发活动产生的噪音，会得到什么样的趋势呢？

原创 为什么AI陪伴产品都想抄星野？

以下文章来源于Super黄的念想 ，作者Super黄最近两周见了小20个创业者，基本在聊到AI陪伴类产品时，每个人都会问我，你写Character.ai很好，那你怎么看星野、Talkie？会从这三个部分展开：产品框架与分析用户洞察与定位商业模式与创新1. 星野成功的关键在于利用多模态技术，打造沉浸式的AI虚拟社交体验，抓住了以国产乙女游戏用户群为核心的市场需求。2. 星野的商业收入并不是北极星指标。3.，需要具备独特的技术实力和用户洞察。

原创 神经演化1之：刺胞动物门Coelenterata/Cnidaria 演化史第一个神经细胞

但它们的基本结构一样，都是由两胚层细胞组成，辐射对称，具触手、刺细胞、口、消化循环腔、口面和反口面等。刺胞动物形态各异，但其体型的基本结构可分为两种类型：营底栖固着生活的水螅型和营浮游生活的水母型，这两种类型在生活史中常表现有世代交替的现象。它们既有比海绵动物进步的特征，又有与其它后生动物相比的原始的、低极的特征，还有它们适应外界环境出现的特征等。（1）腔肠动物的辐射对称体型只是一个原始的低级对称形式，因为这种对称只有上下之分，没有前后、背腹之别，只适应于在水中营固着或漂浮的生活。（2）由无组织的分化到。

原创 解雇Altman的背后其实是这四个人，每个都比Altman来头大

此外，Tasha还曾创办机器人初创Fellow Robots，并在奇点大学担任Autodesk创新实验室的主管，教授机器人技术。2009年，25岁的他自主创业，联合创立Quora。在她的监督下，OpenAI会在发展中更加注重风险管控和道德规范，真正造福全人类，而不仅仅追求商业利益。这位乔治城大学新兴技术政策中心(CSET)的战略研究主管，还在OpenAI的非营利性董事会内进行公益工作。Adam D’Angelo是OpenAI董事会的外部独立董事，也是问答社区知乎的Quora CEO和联合创始人。

原创 突发！“ChatGPT 之父”奥特曼被 OpenAI 开除！！乔布斯故事重演了？

与此同时，我们相信，随着我们的前进发展，新的领导层是必要的。鉴于她任职时间较长，并与公司各个方面密切接触，包括她在人工智能治理和政策方面的经验，董事会认为她是担任这一职位的独特人选，并预计在正式寻找永久首席执行官时实现无缝过渡。Mira 在 OpenAI 拥有五年的管理经验，在 OpenAI 发展成为全球人工智能领导者的过程中发挥了关键作用。OpenAI表示，SamAltman的离职是在董事会经过深思熟虑的审查程序之后进行的，审查程序得出的结论是，独特的技能，对公司的价值观、运营和业务有深入的了解。

原创 PromptMaker：使用大型语言模型进行基于提示的 原型设计

PromptMaker：使用大型语言模型进行基于提示的 原型设计 蒋婷婷∗ 谷歌研究院，PAIR团队 USA ellenj@google.com 克里斯汀·奥尔森∗ 谷歌研究院，PAIR团队 USA kolson@google.com 无论如何，埃德温∗ 谷歌研究院，PAIR团队 USA edwintoh@google.com 亚历杭德拉·莫利纳 谷歌研究院，PAIR团队 USA alemolinata@google.com 亚伦·唐斯巴赫 谷歌研究院，PAIR团队 USA donsbach@google.

原创 大型语言模型的提示工程

据传闻，在 GPT-4 等更高级的 GPT 模 型上，“一步一步思考”的帮助较小（增加的价值更少）。这可能部分归因于这样一个事实，即提示通常有许多可能的 有效输出（未确定），因此提供您要查找的内容的具体示例有助于限制潜在的输出空间。语言，例如 Python。考虑 提示的主要限制之一是 LLM 的上下文长度，这本质上是 LLM 可以考虑和生成的输入量。随着 OpenAI 的 ChatGPT 和谷歌的 Bard 等软件的普及，大型语言模型 （LLM） 已经渗透到生活和工作的许多方面。在多项任务上的准 确性。

原创 基于大语言模型的问答技术研究进展综述

基于大语言模型的问答技术研究进展综述 文森 1,2，钱力 1,2,3，胡懋地 1,2，常志军 1,2 1 (中国科学院文献情报中心 北京 100190) 2 (中国科学院大学经济与管理学院信息资源管理系 北京 100190) 3 (国家新闻出版署学术期刊新型出版与知识服务重点实验室 北京 100190) 摘要： 【目的】全面回顾和概述基于大语言模型的问答技术发展现状、机制原理以及应用趋势，为后续开展相 关研究提供参考借鉴。 【文献范围】选取与基于大模型的问答技术相关的 73 篇文献。 【方法】系统梳理大语言

原创 LLM下半场之Agent基础能力概述：Profile、Memory、Plan、Action、Eval学习笔记

人工智能与算法学习以下文章来源于凡人机器学习 ，作者傲海凡人机器学习.了解机器学习在业务中的应用，让更多的初级数据开发者可以享受到人工智能的福利。一.Agent发展将会是LLM的下半场目前大家都在讨论LLM，LLM解决的问题是帮助机器像人类一样理解彼此的意图，本质上来讲，LLM更像是一个技术或者工具。但是人类社会发生变革的引线，往往是一个产品或者解决方案，比如电池技术的发展带来了长续航，但是真正改变大家生活的是电动车这样一个产品。

原创 为了寻求更安全的人工智能，荷兰正在打造自己的ChatGPT版本

在其他地方，阿拉伯联合酋长国已经推出了一个针对全球4亿多阿拉伯语使用者的大型语言模型，而日本研究人员正在构建他们自己的ChatGPT版本，因为他们说，接受过外语训练的人工智能系统无法掌握日本语言和文化的复杂性。然而，与GPT-NL不同的是，这项实验性服务背后的技术是由OpenAI管理的——这标志着与欧盟相比，英国在处理大型科技公司问题上采取了更为自由放任的方式。，将是一个开放的模型，让每个人都能看到底层软件是如何工作的，以及人工智能是如何得出某些结论的，它的创造者说。收录于合集#战略前沿71个。

原创 开源语言大模型演进史：向LLaMA 2看齐

本系列文章全面探讨了从 OPT 到 LLaMA-2 的整个开源语言模型的发展历程。尽管在这两个模型之间进行了大量研究，但它们的提出仅相隔一年！开源人工智能研究社区的发展十分迅速，跟进该领域的研究非常令人兴奋，这一过程有趣且有益。LLaMA-2-Chat 等强大的模型令人敬畏。作为从业者和研究人员，我们能够使用这些模型，从中学习，并深入了解它们的工作原理，这样的机会独一无二，理应珍惜。特别对于 LLM 来说，开源研究真的非常酷！

原创 大模型最全八股和答案（中）

位置编码是一种用于在序列数据中为每个位置添加位置信息的技术。在自然语言处理中，位置编码通常用于处理文本序列。由于传统的神经网络无法直接捕捉输入序列中的位置信息，位置编码的引入可以帮助模型更好地理解和处理序列数据。在Transformer模型中，位置编码通过为输入序列中的每个位置分配一个固定的向量来实现。这些向量会与输入序列中的词向量相加，以融合位置信息。位置编码的设计目的是使模型能够区分不同位置的输入。在Transformer模型中，使用了一种特殊的位置编码方式，即正弦和余弦函数的组合。

原创 大模型训练加速(FlashAttention): 用于训练LLM的GPU加速的一个进展-PART2

Flash Attention是优化注意力机制的突破，注意力机制是基于Transformer的模型的关键组成部分。注意力机制负责学习输入序列不同部分之间的关系。在传统的自我注意中，时间和记忆的复杂性是O（n²），这可能是训练深度学习模型的主要瓶颈。另一方面，FlashAttention提供了一种替代方法，有望比传统的自我关注快3倍。它通过利用GPU架构的强大功能并有效利用张量核或CUDA核来实现这一点。事实上，FlashAttention V2声称比前代快2倍，可能比标准注意力机制快6倍。

原创 windows禁止更新

windows禁用自动更新的脚本，每次开机就自动启动。ChatGPT要在Windows中禁用自动更新，并使之每次开机自动启动，可以通过编辑组策略或注册表来实现。以下是使用组策略编辑器和注册表编辑器的两种方法。但是，请注意，修改组策略和注册表可能会对系统稳定性和安全性产生影响，请确保您了解这些更改的含义，并谨慎操作。

原创 OpenAI早就不卷大模型，开始卷AI Agents了？这是一篇来自OpenAI应用研究主管关于Agent的万字长文

一个有趣的观察是，虽然基于LLM的评估得出结论表明GPT-4和ChemCrow的表现几乎相当，但面向解决方案的化学正确性的专家进行的人类评估表明，ChemCrow的表现远远优于GPT-4。OpenAI此前推出基于ChatGPT的插件，引起了大量关注，被称为 ChatGPT的App Store时刻，但从目前的使用数据来看，插件带来的影响力很有限，无法和ChatGPT相提并论。在训练阶段，每次强化学习运行时，会随机抽样一个任务，并使用多集历史记录的子序列进行训练，使得学习到的策略与任务无关。

原创 Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

对于对Agent感兴趣的朋友们，我推荐一篇论文，它全面地介绍了Agent的架构，对于理解Agent的全局有着重要的价值。架构就像PC的硬件，但仅依赖架构设计是不够的，我们还需要赋予Agent完成不同任务的能力，这些被视为“软件”资源。除了这些基础知识，我认为最有价值的部分在于，它总结了基于大型语言模型（LLM）的Agent的架构，使我们能够按照一定的标准范式去设计自己的Agent。反馈的来源可能来自任务执行结果的客观反馈，也可能是根据人的主观判断给出的反馈，甚至还可以是由辅助模型提供的反馈。

原创 纯干货！一文带你了解大模型(LLMs)对齐，非常详细~

但我们距离真正解决这两个问题仍然十分遥远。一些更细致的问题，需要更多更深入的研究来回答，例如：如何以一种更好的形式和过程来表达人类偏好？如何选择学习策略的范式？如何评估更复杂，甚至是能力超过人类的 AI 系统？目前已经有一些研究在致力于解决其中的一些问题，例如，偏好学习 (Preference Learning) 作为建模用户偏好的有效技术，被认为是现阶段策略学习以及构建代理的一个有希望的研究方向。

原创 追问Daily｜睡眠不会切断你与外界的联系；视觉语言模型是否跟人类一样具有视觉错觉？

新一代AlphaFold的能力不仅限于蛋白质结构的预测，还包括对核酸、小分子配体等生物分子结构的预测，甚至能够处理复杂的生物过程，如残基修饰。这些数据集和初步的发现有助于更好地理解人类和机器对视觉错觉的感知，并为未来的计算模型提供基础，使它们能够更好地协调人类和机器在共享视觉世界方面的感知和交流。移到老年大鼠体内，然后使用六种不同的表观遗传时钟来评估治疗效果，包括对肝脏、血液、心脏和下丘脑的影响，并通过分析表观基因组的变化来测量生物年龄。的收缩，可以看到准确的行为反应。杂志上发表了一项新的研究。

原创 神经科学领域里程碑！全面构建人类大脑单细胞图谱｜追问顶刊原创 追问 nextquestion 2023-11-03 10:00大脑是人类神经系统最为高级的部分，负责接收并发出我们日常生产活动

并定量识别了跨物种的同源亚种。他们观察到的跨物种差异表明，

原创 AI教父Hinton家谱曝出，全员科学巨匠！曾坦言：人生追求只是博士毕业，工作是唯一的放松

负责深度学习和人工智能研究的谷歌大脑（Google Brain），在高级研究员Jeff Dean的领导下，将数百万个来自YouTube的随机、无标签视频帧输入这台新的超级计算机，并对其进行编程，使其能够理解所看到的内容。可以说，是它自己发明了猫的概念。Geoffrey的姑妈之一，Joan Hinton是一位核物理学家，她以物理学家费米的学生的身份加入了曼哈顿计划，是为数不多的参与曼哈顿计划的女性之一。「很长一段时间以来，」他说，「我都觉得自己不是——好吧，我终于做到了，这让我能松了一口气了。

原创 力扣官方最频繁面试题-中级 合集

原创 FinGPT：开源金融大语言模型

请注意，BloombergGPT 还使用了 p4d.24xlarge 截至 2023 年 7 月 11 日，该实例的每小时费率为 32.773 美元。用于训练 GPT-1、GPT-2、GPT-3、GPT-NeoX-20B、Megatron-11B、MT-NLG 和 Gopher 的数据集的综合分析。系列是在新闻和推文情绪分析数据集上使用 LoRA 方法进行微调的法学硕士，以低成本在大多数金融情绪分析数据集上取得了最佳分数。打开AI的GPT-1、GPT-2、GPT-3。神经信息处理系统的进展，2022 年。

原创 FinRL：introduction和github页面

DRL 框架通过与未知环境的交互进行学习，在解决动态决策问题方面功能强大，因此表现出两大优势：投资组合可扩展性和市场模型独立性。技术指标：'macd'、'boll_ub'、'boll_lb'、'rsi_30'、'dx_30'、'close_30_sma'、'close_60_sma'。DRL交易代理考虑到许多复杂的金融因素，构建多因素模型并提供算法交易策略，这对于人类交易者来说是困难的。提供了一个支持各种市场的框架、SOTA DRL 算法、许多量化金融任务的基准、实时交易等。中给出了以前的论文。

原创 力扣简单-官方刷题顺序，最简代码（大多数只有一两行）合集

【代码】力扣简单-官方刷题顺序，最简代码（大多数只有一两行）合集。

原创 Module 7: Pricing Currency Swaps货币掉期定价

但现在想象一下，与其在六个月内从客户那里收到500万欧元的总金额，协议要求客户每隔六个月进行五次等额支付，每次支付100万欧元，持续2年半。首先，让我们回顾一下如何找到每笔分期支付的远期汇率，这些远期汇率将用于分别锁定每笔支付。回想一下，最初的即期汇率被假设为1.2673美元兑1欧元，美元利率为5％，欧元利率为3％。在利率之后，第二常用的互换合同类型涉及定期交换一种货币的支付与第二种货币的支付。，以一百万倍的在T时刻的远期汇率美元换取一百万欧元。这由互换交易和在即期市场出售收到的欧元的组合来决定。

原创 模块 6：货币对冲示例重温

这是我最喜欢的例子之一，用于说明银行利率风险的重要性，交换和期货如何是对冲它的替代方法，以及交换合同如何随着时间的推移被设计和演变以更好地帮助银行实现这些目标。假设南方的经理决定投资100万美元到新的10年期抵押贷款，这些贷款使用三个月定期存款进行融资。它将是浮动利率的接收者，并使用互换的收入支付给其存款人。通过从它收到的浮动支付获得的增加的互。在资产负债表的资产方面，它专门资助抵押贷款，我们假设其到期日为10年。中的未来更高的利率和它们产生的亏损。%，但新的存款将带有更高的利率，可能超过。

原创 Module 5: Pricing Plain Vanilla Interest Rate Swaps模块 5：普通利率掉期定价

例如，如果利率下降，浮动利率付款方将受益，因为收到的固定利率付款不会受到影响，但支付的浮动利率付款将会减少。正如我之前提到的，因为互换是一个零和合同并且必须对双方都是公平的，所以固定利率付款的现值必须等于浮动利率付款的现值。您已经知道对于固定利率债券，当利率上升时，价格会下降，因为固定的未来支付会以新的更高的利率进行贴现。这里的图表表示了从浮动利率付款者的角度看。但是，回顾我们之前的表示，我们在这里说的是，固定利率付款的价格或现值必须等于F，即面值或票面价值，我们需要解决的问题是使这种情况成立的票息率。

原创 期货和掉期 麻省金融-衍生品

浮动利率付款方支付浮动利率并收到固定利率，并被认为是做空互换。再次，这可以理解为市场利率的一个空头头寸，因此当利率下降时会有收益。支付交换为取决于浮动利率的支付。无套利机会意味着互换、远期利率协议、期货合同、利率和现金债券市场都必须有一致的定价。我们已经使用了标准利率互换的基本术语，但总结一下是有用的。就像一套单独的远期合同，每个都在不同的日期到期。或合同规模（例如，一百万美元）的现金在合同期间定期交换。与LIBOR一样，其在互换市场的目的是为互换合同提供。事实上，单次支付的互换等同于现金结算的远期合同。

原创 第 3 单元：有关期货交易的更多信息Module 3: More on Trading Futures

1,250 美元减去 1,241 美元，乘以合约中的 100 盎司，为了本课程的目的，也在大多数实际情况下，价格可以被视为本质上相同。从最初的 12,000 美元下降到 10,200 美元，相应。因此最初的保证金要求总计为 12,000 美元。第一天结束时，价格已降至 1,241 美元，每份合约 4,500 美元，这代表了最低的。两份合约的总损失为 1,800 美元。剩余的 10,200 美元高于所需金额。最初价格为每盎司 1,250 美元。维持保证金总额为 9,000 美元，

原创 Module 2: Examples of Futures Products 期货产品的例子 - 麻省金融微硕士

如果标准普尔 500 指数价格下跌，则获胜。在本例中，即为 2021 年 3 月的合同。与标准普尔 500 指数合约类似，最大成交量。其变动是现货标准普尔 500 指数的变化。使用流动性合约做空 S&P 500 指数。标准普尔 500 指数期货合约的期货价格。准普尔 500 指数上涨时，空方则相反。我们将在以后的课程中讨论这些内容。无论是在个体交易者中，还是在最近，在比特币中，这是困难或不可能的事情。标准普尔 500 指数的收益率。显然，投资者对比特币非常感兴趣，因此不涉及任何直接的比特币交易。

原创 Week2Module 1: Introduction to Futures麻省金融微硕士

每日结算大大降低信用风险暴露交易所，并保护市场参与者。从而产生了我们上次谈到的基差风险。硬粒小麦和红小麦可能不会同时移动，例如，如果您持有 10 份玉米合约。合同中，交货日期和地点，合同价格。价值 5,000 蒲式耳的小麦。如果交易者的保证金账户低于阈值。回到我们的小麦例子，一位交易员。不过，期货合约有许多特殊之处。个体交易者之间的双边违约风险。随着合约的期货价格发生变化，首先，合约在交易所进行交易。作为所谓的中央对手方，消除。并保持交易者之间的匿名性。合同与经常被对冲的资产之间。

原创 如何有计划的学习新的学科？

比方说我以上打的一些字是2-3百字，是我看了很多东西总结出来的。首先这个要搞清楚，没有测量，就无法管理。当然我们无法精确计量，但大体--用统计的方法是能计量得出七七八八的。比方说，我每天精度大概1w字的文章（在CSDN做笔记并发布10篇，每篇1000字），我能由此产生多少心得？看1w字，能产生多少字的原创输出？但其实这些是需要抽时间反复回看的。实践多看看真实的财务报表。各项指标是怎么计算的。以上是我学习和工作中学习编程的技巧。第一点是多找找各科资源，中文的英文的反复看，多找找。如果是在学习编程的途中。

原创 任务描述 Patisserie Valerie 企业报告和社会责任 金融基础

在第6级，您应该能够应用您学到的方法和技术来审查，巩固，扩展和应用您的知识和理解，并启动和实施项目。您将部署与该学科相关的准确建立的分析和查询技术，并将其应用于复杂和不可预测的环境中，以设计和维持论点和/或解决问题。您将在这种背景或情况下部署模型、方法、技术和/或理论，以评估当前情况，可能制定解决问题的计划或解决方案，或创建人工制品，其中一些可能是创新和创造性的。您使用的任何来源都应该是最新的和最新的，大多是在过去五年左右出版的，尽管该领域的开创性/重要作品可能更古老。任务集的学术材料的信息和支持;

原创 Patisserie Valerie 企业报告和社会责任 金融基础

Valerie小姐在比利时出生，来到英国想给英国人传授好吃的甜点工艺，第一家店就开在了伦敦Soho的Frith Street，所以不要看人家名字不是英语，但这可是地道的伦敦“老字号”。不过嘞，这家总店现在已经木有了，因为在第二次世界大战中，老店被毁，于是Valerie就在Old Compton Street（也是Soho附近）又开了一个，这家店面现在遍保留至今，大家仍然可以找到，地址是：44 Old Compton Street, Soho, London W1D 4TY。绝对是看上去就很想吃的甜品！

原创 木曰曲直、火曰炎上、土爰稼穑、金曰从革、水曰润下

火为什么会出现反重力现象，火代表能量和能量差异。系统时间延长后，熵增会变慢。绝对零度不存在熵增？五种能量运行的规律。行，在先秦时期是道路，变化；尚书：金曰丛革，土曰稼穑。能量差异大时，降低维度；同类同维度，反复叠加。直，代表能效最低原理。不同维度，不能叠加。

原创 既关键又特殊的一年 2024年进入九运时代(图)

眼病、视力疾病、心脏病、火烧伤、烫伤、放射性疾病、乳腺疾病、血液病、妇科病、囊肿扩散性病疾、肥大症（前列腺肥大，增生、乳腺增生、心脏肥大）、血压疾病多发。为龟，“变色龙”，为美丽的羽毛类鸟禽、金鱼、热带鱼、萤火虫、硬壳虫，爱好养这些宠物的人士也会大大增多。二、人们更加重视金钱之外的东西，比如健康、温馨浪漫的爱情、修行，这些无形的财富，人们愿意在繁忙的工作之余，抽出精力来陪自己喜欢的人，做自己喜欢的事，不断丰富自己的精神生活。、煎炒、烧烤物品，为干肉、果脯，为蟹、虾、鳖、蟹、贝，美食、餐饮行业更上层楼。