将AI融入CG特效工作流；对谈Dify创始人张路宇；关于Llama 2的一切资源；普林斯顿LLM高阶课程；LLM当前的10大挑战 | ShowMeAI日报

👀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！

🤖 将AI融入CG特效工作流，体验极致的效率提升

BV1pP411r7HY

这是 B站UP主 @特效小哥studio 和 @拓星研究所 联合投稿的一个AI特效短篇「Flower」以及幕后制作花絮。

在前2分钟的特效视频里，一片废土之上，机器人手持一朵紫色的小花，穿越漫长的激流终于来到一片花海，并最终殒身在目的地 (实话说，最后一个镜头还是很震撼的)。

在其后5分钟的视频内，UP主们分享了团队如何只在5天内完成本次制作，以及将哪些AI技术融入了影视制作的工作流。

不同于一般的toy project，这是真正的业内视角，探索人和AI如何更好地配合：

1. 剧本设计。将AI聊天工具引入剧本设计阶段，收集了足够的信息用于片中画面和动作设计

2. 图形设计。以开头的「骷髅头」场景为例，10帧的镜头一般需要特效工作人员5天的时间，但是新建场景并简单建模后使用 Stable Diffusion 进行单独渲染，只需要1个小时（甚至10分钟），极大提升了工作效率

3. 动作捕捉。相较于传统的手K (慢)、惯性动补 (不稳定)、光学动补 (贵)，AI视频动捕节省了大量时间和成本

4. 渲染技术。使用了 NVIDIA 的 DLSS3 和 nvidia canvas 等最新技术和软件，加速实时渲染和提升画面质量 ⋙ B站完整视频

🤖 快手App开放「快手AI对话」功能内测，基于「快意 」自研大模型

8月18日，快手App在安卓版本开放内测「快手AI对话」功能，点击搜索首页右上角AI图标即可进入内测首页，输入问题就可以开启对话。

「快手AI对话」依托于站内社区内容生态，可以帮助用户快速查找短视频、达人、百科等内容，还将为用户提供全网检索服务 ⋙ 查看内测详情

快手自研的大语言模型「快意 (KwaiYii)」已经开启内测，并为业务团队提供了标准 API 和定制化项目合作方案，包括上述「快手AI对话」产品。

「快意 (KwaiYii)」是由快手AI团队从零到一独立自主研发的一系列大语言模型，包含多种参数规模，其中新版本 KwaiYii-13B 在多个 Benchmark 上都处于领先水平，证明了其在自然语言处理任务中的出色性能 ⋙ 快意 GitHub

🤖 Midjourney 正式上线局部重绘功能 Vary (Region)

8月22日，Midjourney 正式上线了局部重绘功能，官方称之为 「Vary (Region)」，允许对生成图像的选定区域进行选择，并重新输入 Prompt 进行重新绘制，以下是操作步骤：

1. 使用 /imagine 命令创建图像

2. 点击 U 按钮放大选定图像

3. 点击 Vary (Region) 按钮，打开编辑界面

4. 选择要重新生成的图像区域

5. 提交并查看结果 ⋙ Midjourney文档 | 6000字使用指南

🤖 首次公开！讯飞星火认知大模型的官方使用报告

讯飞官方最近发出了一份完整的「星火使用报告」，完整地展示了星火大模型地用户群体特性，包括性别/年龄/地域分布、行业分布、兴趣爱好、使用场景，以及7000+助手和高频应用行业。

ShowMeAI 日报选取了其中4条，完整版可以查看原文：

1. 星火大模型的用户大多从事互联网、科研、教育、市场媒体等行业，资深职场经验人士为主，其中有30%以上用户是IT互联网工作者，他们是最擅长利用先进生产力工具的群体之一

2. 星火用户刚需使用场景TOP榜单：知识问答、内容生成、教育学习、编程辅助、生活常识

3. 每100次和星火的对话中就有1句是咨询情感问题的，比如在毕业季，2.68% 的用户选择向星火咨询高考经验、志愿填报等问题

4. 办公场景对于星火大模型的使用需求是最旺盛的，其中排名前10的是：PPT大纲助手、创意商业文案、周报小助理、数学解题助手、市场分析师、短视频脚本助手、产品经理助手、述职小能手、讯飞智聘模拟面试、扩写助手 ⋙ 科大讯飞

🤖 大语言模型 (LLM) 当前的10个主要研究方向和挑战

这是 @Chip Huyen 的一篇博文，将其与工业界、学术界多人的交谈进行了梳理，并总结了10个大语言模型的主要研究方向，或者说公开挑战：

1. 减少并评估输出输出 (虚构信息) Reduce and measure hallucinations：开发对比学习等方法减少LLM的生成虚构信息，建立自检模型等工具检测幻觉，评估模型可靠性；还需设计新指标全面测量不同类型的幻觉

2. 优化上下文长度和上下文构建 Optimize context length and context construction：调研显示大部分问题需依赖上下文解析，所以需要优化上下文长度，提高中间内容的利用效率，并研究 prompt engineering 来更好地构建上下文

3. 融合其他数据形式 Incorporate other data modalities：多模态数据可显著提升模型的理解和泛化能力，在医疗、零售等领域应用广泛；目前多聚焦模型建设，需加强对多模态交互界面优化的研究

4. 提升语言模型的速度和成本效益 Make LLMs faster and cheaper：持续探索模型压缩、量化等技术，优化模型在现有硬件上的部署效率，使大模型实用性更强；社区已取得显著进展，但仍有提升空间

5. 设计新的模型架构 Design a new model architecture：Transformer已优化多年，需要探索新的更高效架构来实现突破，如带内注意力等机制；这需要考虑模型计算复杂度和目标硬件的匹配

6. 开发替代GPU的解决方案 Develop GPU alternatives：GPU已主导多年，需要开发光子芯片等新硬件来实现性能突破，大公司和创业团队正在这方面大力投入研发

7. 提升代理 (人工智能) 的可用性 Make agents usable：探索增强代理模型的可靠性，使其能安全执行各种实际任务，目前仍存在很大挑战；增强社会仿真也是一个应用方向

8. 改进从人类偏好中学习的能力 Improve learning from human preference：现有倾向性学习存在局限，需要在偏好表达、偏好定义、数据采集等方面开展深入研究，以更好地学习人类价值观

9. 提高聊天界面的效率 Improve the efficiency of the chat interface：聊天界面存在局限，需要探索支持多轮多模态交互、无缝结合工作流等方式，来实现更高效的人机协作

10. 构建用于非英语语言的语言模型 Build LLMs for non-English languages：面向低资源语言，需要开发适配技术、构建高质量数据集，来训练非英语语言模型；这也关系到语言学习和文化传播 ⋙ 阅读原文 | 中文翻译版

🤖 对谈 Dify 创始人张路宇：这个男人帮 5 万个 AI 应用接上了大模型

Dify.AI 创始人 & CEO 张路宇受邀在 42 章经播客上与曲凯老师进行了一次深度对话，围绕大型语言模型的能力和应用，让更多人了解大模型投产的现状、潜力和挑战，以及 LLM 中间件的价值。****

只看播客的时间轴就可以感受到，这是一期「相当炸裂」的对谈，从 Dify 话题切入了解两位关于大模型技术、应用和前景的无限畅想。

实际上，ShowMeAI 推荐收听 @42章经 在小宇宙的每！一！期！ 播客，并推荐关注 Dify 近期疯狂的各种撒福利活动~

▢ 00:34 什么是 LLMops ？

▢ 07:07 大模型工程化的三种方式：Prompt、Embedding、Fine Tune

▢ 15:48 Agent 的三种形式与面临的三大问题

▢ 23:20 Prompt 的潜力被低估了，它的难度也被低估了

▢ 31:17 未来大模型的市场格局

▢ 33:07 Llama2 离真正投产还有相当长的距离

▢ 38:55 天天提 LangChain，到底什么是 LangChain?

▢ 48:23 Dify 五万多个应用中，最典型的落地场景是？

▢ 51:57 未来个人助手的入口会在哪儿？

▢ 53:48 日后的微信通讯录里躺着的可能是一群 bot

▢ 55:07 AI 的三大发展方向：请大模型看 4D 电影、模型小型化、一切数据向量化

▢ 59:07 对于 AI，我俩最焦虑的事情是同一个

▢ 1:02:44 —— 画外音环节 ——

▢ 1:04:35 曲凯会格外喜欢什么样的创业者？

▢ 1:08:49 曲凯怎么看中间层的创业机会？

▢ 1:11:47 现在创业者普遍暴露出来的问题都有什么？ ⋙ 小宇宙 @42章经 | 核心话题的文字版

🤖 关于 Llama 2 的一切资源，我们都帮你整理好了

LLaMA 2 是 Meta 最近开源的一个大语言模型，是 LLaMA 1 的升级版本，可以通过AWS、Hugging Face 获取，并且允许自由地用于研究和商业用于。

这篇博客比较全面地梳理了 LLaMA 2 相关的各类资源 & 链接，是一篇非常不错的入门指南：

1. Llama 2 是什么：Llama 2 是 Meta 发布的新的开源大型语言模型，提供了7B、13B和70B三种规模的模型，与 LLaMA 1 相比最大程度提高了视野长度

2. 即刻解锁 Llama2：文章汇总了几个支持测试的 playground，包括HuggingChat、Hugging Face Spaces、Perplexity

3. Llama 2 背后的研究工作：对于 Llama 2 的研究过程感兴趣的话，作者给出了几项学习资料，包括论文、视频、文章链接

4. Llama 2 的性能有多好， 基准测试：Llama 2 在推理、编程、知识测验等多个基准测试上优于其他开源语言模型，相关资源包括开源大语言模型排行榜、Meta公告等

5. 如何为 LLaMA 2 Chat 写提示词 (prompts) ：想与 Llama 2 Chat 进行高效地交互则需要你提供合适的提示词，文章给出了单轮、多轮对话的提示词模板

6. 如何训练 LLaMA 2：文章提供了关于指令微调、PEFT技术微调等相关资源，帮助训练你自己版本的 LLaMA 2

7. 如何部署 Llama 2：文章给出了各种部署方式的教程，包括本地部署、使用托管服务如 Hugging Face Inference Endpoints 或通过 AWS、Google Cloud、Microsoft Azure 等 ⋙ 阅读原文 @Philipp Schmid | 中文翻译版本 @Hugging Face

🤖 普林斯顿大学 COS 597G (Fall 2022) 课程，带你理解大语言模型

「COS 597G: Understanding Large Language Models」是普林斯顿大学2022年秋季开设的一门研究生课程，由 Danqi Chen 教授主讲，Alexander Wettig 担任助教。

课程目标是让学生了解大语言模型的相关前沿研究话题，包括技术基础、前沿话题、微调、系统设计、安全性和伦理问题等，需有机器学习和自然语言处理背景。通过课程学习,学生可以掌握大语言模型领域的前沿研究和手段。

注意！课程页面 Schedule 中对每个话题给出了大量的推荐阅读资料，并给出了完整的 Slides！

1. 导言 (Introduction)

2. 编码器模型 (BERT)

3. 编码器-解码器模型 (T5)

4. 解码器模型 (GPT-3)

5. 小样本学习提示方法 (Prompting for few-shot learning)

6. 高效提示调参 (Prompting as parameter-efficient fine-tuning)

7. 上下文学习 (In-context learning)

8. 语言模型提示校准 (Calibration of prompting LLMs)

9. 推理 (Reasoning)

10. 知识 (Knowledge)

11. 数据 (Data)

12. 模型扩大 (Scaling)

13. 隐私 (Privacy)

14. 评估偏见和有害内容 (Bias & Toxicity I: evaluation)

15. 缓解偏见和有害内容 (Bias & Toxicity II: mitigation)

16. 稀疏模型 (Sparse models)

17. 检索增强语言模型 (Retrieval-based LMs)

18. 人类反馈训练语言模型 (Training LMs with human feedback)

19. 代码语言模型 (Code LMs)

20. 多模态语言模型 (Multimodal LMs)

21. AI对齐 (AI Alignment) ⋙ 普林斯顿大学 COS 597G (Fall 2022)

感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！

◉ 点击 👀日报&周刊合集，订阅话题 #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！