123456英文名称: Ghostbuster: Detecting Text Ghostwritten by Large Language Models中文名称: 捉鬼人：检测大语言模型生成的文本文章: http://arxiv.org/abs/2305.15047代码: https://github.com/vivek3141/ghostbuster作者: Vivek Verma，Eve Fleisig，Nicholas Tomlin，Dan Klein日期: 2023-11-13 1 摘要 提出了 Ghostbuster，一种用于检测 AI 生成文本的最先进系统。该方法将文档通过一系列较弱的语言模型，对其特征的可能组合进行结构化搜索，然后训练一个分类器来预测文档是否为 AI 生成的。对于检测黑盒模型或未知模型生成的文本非常有用。并发布了三个新的数据集，可作为学生论文、创意写作和新闻文章领域的检测基准。 2 读后感 通过文章分析，可以看到人工文件与生成文本的主要差异，检测时主要的难点，以及自动生成检测的使用场景和注意事项；并且对比了工具和人类的分辨能力。 从方法上看难度不大，主要组 ...

最新zotero与obsidian笔记联动教程（可代替citations和mdnotes） 1 目标 可以从 Obsidian 中直接打开 zotero 查看文献，而 zotero 注释和论文信息可导入 Obsidian. 2 方法：Obsidian Zotero Integration 2.1 安装 安装 Obsidian 插件：Obsidian Zotero Integration 设置导入后的目录 2.2 显示全部信息 Ctrl+p 调出命令行，选 Zotero Integration: Data Explorer 此时 zotero 被打开，选择要导入的论文 自动弹出窗口，显示论文相关信息 2.3 在 OB 中建链接直接跳到 Zotero 在设置界面点“Add Citation Format”（可以只导入 zotero 中你想要的内容） 起个能记住的名 格式选为 template，内容如下： 1[{{title}}]({{desktopURI}}) Bibliograpy Style 设得 ...

image 1 目录 " 中文版序言 李录 -4" " 鸣谢 -16" " 序言：巴菲特论芒格 沃伦•巴菲特 -18" " 驳辞：芒格论巴菲特 查理•芒格 -21" " 导读 彼得•考夫曼 -22" " 第一章 查理•芒格传略 -27" " 歌颂长者：芒格论晚年 -51" " 忆念：晚辈谈芒格 -63" " 第二章 芒格的生活、学习和决策方法 -77" " 第三章 芒格主义：查理的即席谈话 -107" （2001 年至 2006 年在伯克希尔•哈撒韦公司和西科金融公司年会上的谈话摘录） " 第四章 查理十一讲 -166" " 第一讲 在哈佛学校毕业典礼上的演讲 -169" " 第二讲 论基本的、普世的智慧，及其与投资管理和商业的关系 -183" " 第三讲 论基本的、普世的智慧（修正稿）-239" " 第四讲 关于现实思维的现实思考？-297" " 第五讲 专业人士需要更多的跨学科技能 -321" " 第六讲 一流慈善基金的投资实践 -341" " 第七讲 在慈善圆桌会议早餐会上的讲话 -357" " 第八讲 2003 年的金融大丑闻 -373" " 第九讲 论学院派经济学 - ...

1 项目地址 https://github.com/Psycoy/EasyLiterature 2 命令行 2.1 写描述 x.md 形如： 1- {{BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.}} 注意一层大括号是只提取信息不下载，两层大括号是提取信息并下载。 括号里的可以设置：article title, published articles' doi, and pre-published articles' arvix_id, biorvix_id, and medrvix_id，这样就很好用。 2.2 运行 注意先设代理再运行： 12pip install easylitereasyliter -i b.md -o /tmp/pdf -p 192.168.10.106:12346 -gp single 下载后，md 文件的内容被填充了。 3 程序 如果不想调用命令行，也可以在程序中调用： (确实能用，也确实挺慢的) 12 ...

1 引言 Docker Compose 是一个简化 Docker 应用程序管理的工具，通过一个名为 docker-compose.yml 的文件定义相关服务、网络和卷。使用 Docker Compose，你能方便地配置、启动和管理多个 Docker 容器，构建完整的应用堆栈。 2 使用方法 在项目的根目录下创建一个 docker-compose.yml 文件，定义你的服务、网络和卷。下面是一个简单的例子： 2.1 配置 yml 文件 123456789101112131415161718192021222324252627version: '3'services: db: image: postgres:14 container_name: postgres14 ports: - "5433:5432" environment: POSTGRES_PASSWORD: 123456 volumes: - /exports/project/knowjourney:/var/lib/post ...

1 引言 在 OPENAI 发布 ChatGPT 后的一年里，整个人工智能领域经历了迅猛的演变，对写作、编程等多个领域的工作方式产生了深刻的影响。2023 年整个行业都将聚焦于自然语言处理大模型，进行了大量实验和尝试，积累了宝贵的经验，或许明年将是人工智能应用大规模落地，真正产生价值的时刻。 开源项目可以被视为一个广阔的实验场，实验展示了许多可能性和成果，以及关注的热点。虽然并非全部应用场景，但从中我们可以窥见一二。 本文以 GitHub 上的开源项目为切入点，来看看大模型相关的高评分开源工具。旨在了解社区最关注的项目，这些工具实现了哪些功能，采用了什么样的技术，可能的盈利模式，以及它们当前仍然面临的挑战。 2 高星和热榜 梳理热门榜单和热门关键字搜索中的 topN 开源项目，深入了解社区对各个领域的关注、不同思路的探索，以及实现方法的多样性。 2.1 Python 中文新秀榜 GitHub-Chinese-Top-Charts（231204）中文新秀榜 ->软件类 ->Python 榜 地址 binary-husky/gpt_academic 48.3k Star 学术 ...

优秀的绵羊|300 1 简介 1.1 书籍简介 2008 年，在常春藤盟校待了 24 年之后，耶鲁大学教授威廉·德雷谢维奇决定辞去自己的终身教职，离开这所常春藤名校。之所以这么做，是因为他感觉当前的美国精英教育已经陷入了误区，这套系统下培养出来的学生大都聪明，有天分，斗志昂扬，但同时又充满焦虑、胆小怕事，对未来一片茫然，极度缺乏目标感：他们被包裹在一个巨大的特权泡泡里，所有人都在老实巴交地向着同一个方向前进。他们非常擅于解决手头的问题，却不知道为什么要解决这些问题。 在即将辞去耶鲁教职之际，他发表了一篇文章《精英教育的劣势》来讨论这些问题。让他万万没想到的是，几周之内，它的阅读量就超过了 10 万次（后来的累计阅读量超过了 100 万次）。很明显，这篇文章触动了很多人的神经。 从那之后，他开始应邀到美国各地的大学发表演讲，跟学生们交流，回答他们的问题，也向他们请教了许多问题，并倾听和了解了他们的答案。这本书就是他对这段经历的思考和总结。 在本书当中，作者德雷谢维奇历数哈佛、耶鲁、普林斯顿等常春藤学校学生的“数宗罪”：过于自信却输不起；朋友圈同质化，固步自封；思维僵硬，与社会脱节， ...

项目地址：https://github.com/imartinez/privateGPT 1 功能 1.1 整体功能，想解决什么问题 搭建完整的 RAG 系统，与 FastGPT 相比，界面比较简单。但是底层支持比较丰富，可用于知识库的完全本地部署，包含大模型和向量库。适用于保密级别比较高，或者完全不想使用收费模型和服务的情况。 1.2 当前解决了什么问题，哪些问题解决不了 PrivateGPT 提供了整体转换、入库、存储、匹配、合成答案，图形界面的解决方案，并提供图形界面用于检索操作。 RAG 所面对的问题，比如不够准确，多文档组合生成答案这些问题，需要进一步细化工具，似乎不能通过架构来解决。另外，由于多数本地部署的模型效果与 ChatGPT 差距比较大，这里只是看到了本地部署的架构和实现的可能性，部署后用户是否能接受其效果，还待验证。 1.3 提供哪些功能点，其中哪些是刚需 核心功能是通过简单的操作，实现对本地文件的检索和问答，功能相对单一。 1.4 用户使用难度，操作逻辑是否过于复杂 整体工具链使用了 poetry 构建，安装相对方便。但由于包含了深度学习库，肯定比一般项目复杂 ...

https://github.com/PlexPt/awesome-chatgpt-prompts-zh 1 功能 整体功能，想解决什么问题 ChatGPT 中文调教指南：提供一些常用的使用场景及对应的 Prompt 提示 当前解决了什么问题，哪些问题解决不了 针对想解决实际问题，但不知道如何描述，以及不知道 AIGC 可以解决什么问题的用户，进行很好的使用引导。 项目主要提供数据，无代码；程序员可以参考其中的一些提示，普通用户无法直接拿来使用。 提供哪些功能点，其中哪些是刚需 提供丰富的场景与提示的对应关系 用户使用难度，操作逻辑是否过于复杂 作者团队除了提供该应用的网页版，他还提供了 Windows, Mac, Linux, Android，小程序入口。可通过试用和购买其附费服务使用。 2 技术栈 技术栈是什么 这里没有什么代码，主要是场景及相关的提示的数据 现有底层工具消化了哪些常用功能 源自项目：https://github.com/f/awesome-chatgpt-prompts (95.1K star)，可以看作是这个项目的中文版本，但比英 ...

https://github.com/GaiZhenbiao/ChuanhuChatGPT 1 功能 1.1 整体功能，想解决什么问题 官网说明：为 ChatGPT 等多种 LLM 提供了一个轻快好用的 Web 图形界面和众多附加功能 1.2 当前解决了什么问题，哪些问题解决不了 支持多种大模型（也可接入本地模型），简单的本地文档提问，可以连网查询实时数据，提供常用提示词，支持多个对话，小而美的界面。 个人感觉：通用的功能都有，精细度一般。 1.3 提供哪些功能点，其中哪些是刚需 一般人可能主要使用 OPENAI 聊天为主，附加的实时搜索和与文件对话可能偶尔使用。 1.4 用户使用难度，操作逻辑是否过于复杂 基本属于简单配置一下，开箱即用，整体 Docker 也比较轻量，容易部署。配置时有一些细节，还需要注意。 2 技术栈 2.1 技术栈是什么： 代码主要由 Python 编写，前端由 Gradio 实现，中间层使用 Langchain，词向量使用 faiss 2.2 现有底层工具消化了哪些常用功能 使用 langchain 加强了对大模型的调用 使用 grad ...