免费的gpt
注册
- https://5sim.net/，比sms-activate更好用的接码平台
产业变革与思考
- chatGPT + Robotics 将会如何改变制造业？如何通过快速理解产品制造工艺去重新设计机器，驱动机器人实现更高效的自动化，提供工业化历史上最高的良品率和最少的人员干预制造，实现真正意义上的“黑灯工厂”？这是一个非常期待有意思的事情。
- 通向AGI之路：大型语言模型（LLM）技术精要 - 知乎 (zhihu.com)
第二个原因，如果想要以零示例提示语（zero shot prompting）或少数示例提示语（few shot prompting）的方式做好任务，则必须要采取GPT模式。现在已有研究（参考：On the Role of Bidirectionality in Language Model Pre-Training）证明：如果是以fine-tuning方式解决下游任务，Bert模式的效果优于GPT模式；若是以zero shot/few shot prompting这种模式解决下游任务，则GPT模式效果要优于Bert模式。这说明了，生成模型更容易做好zero shot/few shot prompting方式的任务，而Bert模式以这种方式做任务，是天然有劣势的。这是第二个原因。 首先，我们先看在预训练阶段，随着模型规模逐步增大，会发生什么。OpenAI在“Scaling Laws for Neural Language Models”中专门研究了这个问题，并提出LLM模型所遵循的“伸缩法则”（scaling law）。如上图所示，这个研究证明：当我们独立增加训练数据量、模型参数规模或者延长模型训练时间（比如从1个Epoch到2个Epoch），预训练模型在测试集上的Loss都会单调降低，也就是说模型效果越来越好。 既然算力、数据集、参数量三个因素都重要，那么我们在实际做预训练的时候，就有一个算力如何分配的决策问题：假设用于训练LLM的算力总预算（比如多少GPU小时或者GPU天）给定，那么是应该多增加数据量、减少模型参数呢？还是说数据量和模型规模同时增加，减少训练步数呢？此消彼长，某个要素规模增长，就要降低其它因素的规模，以维持总算力不变，所以这里有各种可能的算力分配方案。最终OpenAI选择了同时增加训练数据量和模型参数，但是采用早停策略(early stopping)来减少训练步数的方案。因为它证明了：对于训练数据量和模型参数这两个要素，如果只单独增加其中某一个，这不是最好的选择，最好能按照一定比例同时增加两者，它的结论是优先增加模型参数，然后才是训练数据量。假设用于训练LLM的算力总预算增加了10倍，那么应该增加5.5倍的模型参数量，1.8倍的训练数据量，此时模型效果最佳。 DeepMind的一项研究（参考：Training Compute-Optimal Large Language Models）更深入地探究了这个问题，其基本结论和OpenAI的结论差不多，比如确实需要同时增加训练数据量和模型参数，模型效果才会更好。而很多大模型在做预训练的时候，并没有考虑这一点，很多LLM大模型只是单调增加模型参数，而固定住了训练数据量，这个做法其实是不对的，限制了LLM模型的潜力。但是它修正了两者的比例关系，认为训练数据量和模型参数是同等重要的，也就是说，假设用于训练LLM的算力总预算增加了10倍，那么应该增加3.3倍的模型参数量，3.3倍的训练数据量，这样模型效果才最好。
产品：资源、工具
- Awesome-ChatGPT (https://github.com/dalinvip/Awesome-ChatGPT) ChatGPT资料汇总学习
- ChatGPT学习宝典 (https://gpt.candobear.com/) prompt大全，GPT工具箱以及学习资料分享
- Awesome ChatGPT Prompts (https://prompts.chat/) chatGPT prompt大全
- https://arxiv.org/abs/2303.12712
- 翻译:https://orangeblog.notion.site/GPT-4-AGI-8fc50010291d47efb92cbbd668c8c893
微软发布的 GPT-4 的体验报告（154页），开头的一句话： 鉴于GPT-4的广度和深度，我们认为它可以合理地被视为人工通用智能（AGI）系统的早期版本（尽管仍然不完整）。
- SaaS GPTers - Discover the best ChatGPT resources：500+ ChatGPT & GPT-4 资源和工具.
- ChatGPT 提示语 | ChatGPT 提示语 分门别类的提示语大全 这里汇集了丰富的 ChatGPT 提示语、创意写作灵感与实用技巧。让我们帮助您激发无限创意，提升写作效率与质量。
- https://github.com/lxfater/Portal
- https://github.com/Yidadaa/ChatGPT-Next-Web
- https://unsafe.sh/go-156418.html
- https://www.notion.so/History-of-LLM-6abfb803864746b8bbb7867082a070ce?pvs=4
- BibiGPT · AI 音视频内容一键总结，一键总结油管、B站、抖音、播客等音视频
第三方chatGPT及其他模型
- https://openprompt.co/
- nat.dev，由于作者被白嫖太多，所以gpt-4目前需要支付5美金给作者
- https://beta.character.ai/
- chat.forchange.cn freegpt.one
嵌入式设备gpt
社区交流
- https://t.me/LptTech，ChatGPT中文社区
购买gpt plus
学术
prompt
GPTs
gpt-crawler，https://github.com/BuilderIO/gpt-crawler…，一款可以将网站内容全部爬取下来，并转换成可以作为 GPTs 学习的结构化知识的工具。 例如你想制作一个数字人分身，不妨把自己在社交媒体或者个人博客的内容先抓取下来，提交给 ChatGPT 作为储备知识。 顺便推荐下它背后使用的技术框架，crawlee，https://crawlee.dev，它是一个网络爬虫工具，也是一款浏览器自动化工具，在实现上，它提供了 DOM 解析能力、无头浏览器模式、异常状态码处理、队列和存储，以及大量的配置项来增强爬虫。它也是一款开源产品：https://github.com/apify/crawlee
反GPT
- https://gptzero.me/，检测内容是否是AI生成的。