👀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！
🉑 Runway TV 频道循环播放AI视频，酷炫的视听体验
www.runway.tv
Runway 是人工智能视频生成领域的独角兽公司，目前的AI产品包括 Gen-2、Gen-1、AI Magic Tools 等，公司目前已完成6轮共计 2.365 亿美元等融资 (截至2023年6月)
Runway 在其官网推出一个TV频道，实时循环播放由AI制作的视频。点击页面下方的「TV Guide」按钮还可以从官方提供的10多个候选频道中进行选择，并点击节目开始播放。
这些视频基本代表着目前AI视频的最高水平了 ！AI主导 (或参与) 了脚本、文案、画面、配音、配乐等众多环节中的一个或多个~ 从整体上来说，视频画面已经具备了强大的视觉冲击力，不过故事和配乐等核心环节，人类的参与依然非常关键。
👀 Agent必读！复旦大学综述已经斩获 GitHub 3.9K Star
复旦大学在2023年9月发表了一篇 Agent (智能体) 的论文「The Rise and Potential of Large Language Model Based Agents: A Survey」。论文共86页，调研了基于大语言模型的 Agent 的发展史，并列出了 250+ 篇必读的论文。
这篇论文和给出的 Paper List 可谓 Agent 入门必读！详细信息都列在了上方 GitHub 项目中了，值得一个大大的 Star！(目前已经 3.9K Star 啦！
👀 Mistral AI：欧洲最强的大模型团队，打造开源轻量 LLM
似乎，我们一直在密切关注美国和中国的人工智能进展，包括大模型版本、公司融资、产品更新等等，可是怎么没有欧洲 LLM 的动静呢？来吧！一起调整下目光，看看这家法国的大模型初创公司 Mistral~
Mistral AI 是一家法国初创公司，成立于 2023 年6月，总部位于法国巴黎，旨在创建和分享最先进的人工智能模型。创立后不久就筹集了1.05亿欧元的资金 (股东包括法国投资银行 Bpifrance 和前 Google CEO Eric Schmidt)，成为欧洲最大的种子轮人工智能公司之一，也创下了欧洲最大的融资记录 。
2023年9月，Mistral AI 推出并开源了其第一个生成式人工智能模型 Mistral 7B (70亿参数)，在所有评估基准测试中均优于 Llama 2 13B，且在推理、数学和代码生成方面优于 Llama 1 34B，被称为「最强开源小模型 」 ⋙ 了解更多
🉑 Inflection-2 发布，号称全世界「第2好」大语言模型
Inflection AI 是一家美国的人工智能初创公司，由 LinkedIn 创始人 Reid Hoffman 和 Google DeepMind 创始人 Mustafa Suleyman 共同创立。公司产品「Pi」是一款个人AI聊天机器人，其设计目的是成为一个友好、支持性的伙伴。
11月22日，Inflection 宣布推出其新的大语言模型 (LLM) Inflection-2，自称是「the 2nd best LLM in the world (世界第二好的 LLM)」，并且不久将应用于 Pi.ai 聊天机器人~
Inflection-2 该模型在 5000 个 NVIDIA H100 GPU 上进行了训练，在事实知识、风格控制和推理能力方面都比 Inflection-1 有显著改进与 Google 的 PaLM 2 Large 模型处于同一计算能力级别并在多数标准AI性能基准上完成了超越。
🉑 2023独角兽市值分析：Gen AI的崛起与地域分布
Elad Gil 是硅谷创投界「教父」级别的人，投资过 Airbnb、Stripe、Pinterest、Notion、Figma、Airtable 等明星公司，并在如今的 AI 浪潮下投资了 Character.AI、Perplexity.AI、Harvey.AI 等公司。
他是最多产、管理规模最大的 solo capitalist，近期超募了第三期 Solo VC 基金 Cosmic-Aleph 3 并筹得 10.95 亿美元，其影响力可见一斑 。Gil 已经连续四年发布独角兽分析报告，以下为 2023 年报告的主要结论：
全球独角兽的市值仍然主要集中在美国，占全球市值的 53%，旧金山湾区 (占全球 26%)、纽约 (占全球 8%) 和洛杉矶 (占全球 6%) 这三个城市就占了 40%
过去四年内，仅有一家独角兽的城市数量从 37 增加到 75，这更可能反映了"ZIRPacorns"的兴起，而非真正的创业公司分散化
旧金山已经成为 Gen AI 独角兽市值的集中地，占据了初期市场份额的 81% (目前仍是早期，将来仍有可能发生变化)
自 2020 年以来，纽约的全球独角兽份额已从 5% 增长到 8%。在纽约前 10 大独角兽中，有 6 家是 crypto 公司，3 家是 Fintech 公司，这表明纽约是一个 Fintech/Crypto 集群，正在向通用生态系统转变
通过观察 Barry's Bootcamp 和独角兽的比例，可以分析出这些地区的创新活力、年轻化程度和经济状况，以及对人才的吸引力：湾区以一个独角兽可以对应 48 个 Barry's 的比例占据主导地位
从报告中选择一些与中国和人工智能更密切相关的内容：
在过去十年里，独角兽公司从2012年的44家激增至目前的1215家，增长近30倍。2020和2021年，新晋独角兽分别占当年总数的40%，今年升至52%。
近两年，美国仍是新晋独角兽的主要来源，占总数的56%和市值的57%。尽管自2021年以来，中国独角兽增速回升，但仍落后于美国，并被欧洲超越，印度则紧随其后。
当全球独角兽市值的82%集中在美国、中国、印度和英国，其他国家的市值份额均不超过2%。全球前15大城市占独角兽总市值近75%。
中国独角兽中，北京和上海占总数的五分之三，市值的三分之二。深圳独角兽市值1570亿美元，几乎全由SHEIN (市值1000亿美元) 贡献。
尽管仍处于Gen AI发展初期，湾区已成为生成式AI公司的领导者，市值占比高达81%，这将助力美国 (尤其是湾区) 在全球独角兽企业中占据更大份额。
分析中的「生成式AI」公司包括一些 GPU 公司 (如Cerebras、Graphcore、TensTorrent)，它们因基础模型和其他 Gen AI 供应商的计算需求实现高增长，若排除这些公司则湾区的集中度将更高 ⋙ 中文版阅读
🉑 万字长文：为什么AI陪伴产品都想抄星野？
星野是一款基于人工智能的虚拟社交 App，为用户提供沉浸式的AI虚拟社交体验。在星野中，用户可以创建和自定义独特的AI角色，包括形象、人设和音色等方面，并且通过丰富的场景构建与这些角色进行互动。
星野App主要面向年轻用户，通过提供沉浸式的虚拟社交体验，满足了用户在创作、互动和陪伴等方面的需求 。@Super黄 是一位资深产品经理，他用一篇长文分析了「星野 App」在AI陪伴产品市场中的成功因素，从产品框架、用户洞察和商业模式等多个维度进行了全面的探讨。
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
星野的商业收入并不是北极星指标，获取用户量和数据才是
盲目模仿星野的产品，很可能会快速消亡，需要具备独特的技术实力和用户洞察
这波AI社交的技术变革才刚刚开始，模型、互动和商业模式还有很大的想象空间
作为AI时代的UGC社区，不存在网络效应。
全网独家深度对星野App的框架拆解 (上图) ⋙ 阅读原文
🉑 提示工程：想提高 Prompt 质量，我们还可以做些什么
经过一段时间的实践，我们越来越意识到：写出高质量的提示词是有一定门槛的。所以，大模型时代，提示工程 (Prompt Engineering，PE) 成了重中之重。
@鹤啸九天 这篇讲解提示工程的文章，讲解得蛮透彻的！(实际上，他文章质量都蛮高的，有时间可以集中阅读一波~ 以下是文章要点，感兴趣可以阅读原文：
PE为什么重要 ：随着自然语言处理技术的发展，我们已经进入了第四范式，提示工程作为连接大模型逻辑能力和应用需求的桥梁，成为了重中之重
Prompt组成要素 ：提示词主要由四个要素组成------指令 (Instructions，希望模型执行的任务)、上下文 (Context，给模型提供额外信息)、输入数据 (Input data，希望从模型得到的回答内容) 和输出格式 (Output indicator，引导模型给出指定格式的输出)
PE不容易 ：提示工程面临诸多挑战 ，包括需要不断尝试不同表述方式、微调、避免偏见/不合适的内容、边界案例、测试优化、选择合适的长度，以及相互协作等；此外，提示工程涉及心理学、自然语言处理和计算机科学等多个领域，要求工程师具备跨学科知识和足够的耐心
可控性提升 ：为了提升提示工程的可控性，研究者们提出 CoT (Chain of Thought，思维链，通过将推理过程融入提示示例来提高模型的推理能力)、Self Consistency 、Tree of Thoughts 等方法，有助于提高模型在复杂推理任务上的表现
编写效率提升 ：提升提示工程编写效率的方法主要有两个方向，一是将提示词作为可训练参数，通过梯度下降直接优化 ；二是让模型生成候选指令，然后用模型打分选择最佳提示词
学术界探索：学术界在提示工程方面有很多具有代表性的探索，如伯克利的 AutoPrompt、个人发布的 Repo-Leval Prompt Generator、百度的 PromptGen、多伦多大学的 APE 框架、微软的 APO、谷歌的 OPRO、清华的 Evo-Prompt 和 MIT 的智能体方法等，这些方法旨在提高提示词生成的自动化程度，降低人工参与的成本
工业界探索 ：工业界也在积极探索提示工程的自动化，推出了一些实用的工具和产品，如开源项目 gpt-prompt-engineer、交互式产品 PromptsRoyale 和专业的提示词工程产品 PromptPerfect，这些产品可以帮助用户自动创建提示词、生成测试用例、评估和优化提示词，从而提高提示工程的编写效率 ⋙ 阅读原文
🉑 使用 Claude AI 创作中短篇小说：我的经验都在这里了
Claude AI（claude.ai/chats）是一款由 Anthropic 开发的AI聊天机器人，目前已经支持 200K 上下文，也就是差不多能有一篇中篇小说的长度了。
那如何借助 Claude 写作，使得撰写的文章更具备原创性和人类文笔特点呢！这篇文章的作者给出了非常详细的操作流程，以及细致入微的指导经验！非常宝藏的一篇文章~
一、介绍：介绍使用AI工具编写原创完整文章的目的，讨论使用AI辅助撰写博客文章的可行性
二、背景研究：汇总了两篇相关的研究文章
第一篇文章提出了「参差不齐的技术前沿」的概念，说明人类和AI的集成方式对结果有很大影响
第二篇讨论将人类创作者比喻为导演，AI是执行者，使用新工具使人类能更专注于高层次的愿景，而不是低层次的执行
三、我使用AI写作的三大策略
为AI提供充足准确的信息素材，尤其是文章涉及解释性内容时
分段落编写，每段审核后再继续，类似敏捷开发
平衡个人风格和解释性内容，前者伪装AI内容，后者增强文章价值
四、分步示例
定义文章格式：确定文章的语言风格、语法结构等整体格式
制定提纲：确定文章的主要论点和内容要点
告知AI写作目的：明确告知AI本文是原创的博客文章
校准AI的语言风格：通过修改AI的第一段输出，调整其语言风格
逐段落编写：逐段指导AI生成内容，并逐段检查质量
组合成完整文章：将AI生成的各段落拼接成一篇完整的文章
整体编辑：从全文角度检查内容是否连贯、前后逻辑是否一致
细致调整：优化措辞、调整结构、填补漏洞、平滑过渡等
加入AI生成的图像：使用AI工具生成与内容相关的图像，增强吸引力
发布前让内容「沉淀」：在正式发布前让文章「冷却」，更深入审视
五、读者反馈：一位读者指出最近的文章没有以前紧凑,更像AI生成的内容，所以AI辅助写作的内容的确会让人感觉「奇怪」
六、为什么AI辅助内容会感觉「奇怪」，作者分析了三个原因
让人毛骨悚然的谷底效应，发现内容为AI生成让人不安。
缺少真实的人性和情感连接，AI不能建立人与人之间的联系。
AI工具的过度讨好，AI不会反驳错误的观点,削弱了论证的力度。
七、结论：作者认为AI更适合用于解释和总结，而对于个人经历和论点等最好不要使用AI
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！
