RichChat

Despite all the craziness at OpenAI this weekend… 继之前的两篇OpenAI Devday闭门会ppt分享后：

• OpenAI的DevDay闭门会ppt披露-“精进大型语言模型性能的各种技巧”
• OpenAI的DevDay闭门会ppt披露-“新一代的技术堆栈和AI的运营管理”

今天再带来最后这篇讲述OpenAI内部研究团队和产品团队的工作内幕的ppt，其中的一些内容对于无论是做大模型研究的同学还是传统做产品经理的同学都会有些启示，尤其是这可能是OpenAI梦之队最后一次高质量分享…：

继昨天分享的OpenAI DevDay的闭门会“A Survey of Techniques for Maximizing LLM Performance (精进大型语言模型性能的各种技巧)“后，今天再带来当天另外一场的技术实操闭门会ppt分享 - “The New Stack and Ops for AI/新一代的技术堆栈和AI的运营管理”。这场中也讲了大量如何从工程实操的层面来更好地将AI用到实际生产力场景中的最新经验。

实际有真正深度用过AI的研发者都知道，你可以很轻松地做出一些原型项目，甚至是很酷的demo，但是如果真要将AI用到实际生产力场景中的话，还是挺难的。这次OpenAI的专项分享的一些重点内容如下：

OpenAI刚刚放出了他们在不久前的DevDay上面几个闭门会的视频全程内容，其中一个名为”A Survey of Techniques for Maximizing LLM Performance”(精进大型语言模型性能的各种技巧)是我觉得最有意思的一场，因此专门将这个演讲ppt的核心重点分享如下：

NASA旗下有个名为petal的项目，是一个开源的人工智能设计工具，旨在跨学科地利用自然与科技的数据和信息，以推动仿生学的研发进步。

这个项目不久前开源了他们在discord上的一个AI Chatbot的mega-prompt，这应该是我见过最长的prompt之一。感觉写的非常好，因此专门发一下供大家参考（要是大家有兴趣我迟些再补一篇针对这个mega prompt设计逻辑的整理）。而且值得指出的是，对于很多在做产品设计的朋友（尤其是实体产品）来说，完全可以直接用这个prompt来尝试开拓设计思路。

人工智能的影响已经覆盖很广了，包括在教育方面，尤其在作业评估和防止作弊方面提出了新的挑战。在Reddit的一个教授讨论区，我看到了一篇站在教育者视角来看应该如何调整教学方式以适应AI时代的帖子，感觉说的还不错，不是仅仅思考防止作弊，而是站在了如何让学生在AI时代更好获得成长的角度上。整理和分享一些贴中的核心内容如下：

之前在X上看过宝玉老师提出的多角色多轮翻译质量优化思路，以此为基础，尝试让AI同时模拟设计场景中的甲方“爸爸”和乙方（设计师）两个角色，用左右互搏的方式，利用ChatGPT+DALLE3来为大湾区国际创客峰会（Maker Faire Shenzhen 2023）创造海报，结果远远超出我的预期了！

一些感慨：

可以将Product-Market Fit/PMF分解为三个要素：

• 问题：你要解决什么问题？这个问题有多重要？有多少人有这个问题？
• 解决方案：你提供了什么解决方案？这个解决方案有多好？有多少人愿意使用或购买这个解决方案？
• 渠道：你如何将你的解决方案传达给潜在用户？你有多少种有效的渠道？每个渠道能够吸引多少用户？
  阅读全文 »

在AI领域，大语言模型已经取得了惊人的进步，可以执行包括翻译、文本生成和情感分析等多种任务。但当我们在和这些基于大语言模型的AI对话时，例如ChatGPT，你是否有想过AI是如何理解我们所说的语言的呢？其秘密在于一个可以被称为”切割术”（Tokenization）的过程。然而，并非所有语言在这个“切割化”的过程中都被平等对待…

根据最新报道，知名流媒体平台奈飞/Netflix发布了一个AI产品经理的岗位，年薪高达90万美金！这个岗位的名称是 Product Manager - Machine Learning Platform， 这个Machine Learning Platform/MLP其实就是奈飞内部的AI平台，早期是为了更智能地给用户推荐符合其口味的影视，而现在已经在更进一步使用AI来学习各种历史上成功过的内容的特征，以此为指导来不断制作出奈飞工作室的原创影视，提升其成功率。

Shopify是一家海外市值近千亿美金的电商SaaS公司，最近其COO Kaz Nejatian分享了他们在内部是如何塑造工匠文化并减少无效会议的经验，一些重点整理如下：