DALL-E3调参教程；百度新出的AI写小说神器；通义听悟看播客也太爽了；系列博文带你理解生成式AIShowMeAI日报
作者： ShowMeAI研究中心 来源： ShowMeAI研究中心
🔥 2023年诺贝尔奖全部揭晓，一文看完6类奖项花落谁家
随着最后一项「经济学奖」的揭秘，备受瞩目的2023年诺贝尔奖6类奖项得主已经揭晓 。按照官方的发布顺序，日报整理了 Physics 物理、Chemistry 化学、Medicine 医学、Literature 文学、Peace 和平、Economic Sciences 经济学奖项的获奖者基本信息和获奖理由。
你也可以在右侧文章里查看详细介绍，或者前往各领域专业频道查看更专业的解读 ⋙ 阅读全文
🔥 月之暗面发布20万汉字的智能助手Kimi Chat，目前开放内测申请
国内大模型最神秘的创业公司之一，月之暗面 Moonshot AI 终于发布了第一款模型和产品** Kimi Chat，目前已经开放内测，可以访问上方链接进行申请** 。
Kimi Chat 是首个支持输入20 万汉字 的智能助手产品。这一上下文长度，是目前最高的 Claude 2-100k (约 8 万字) 的 2.5 倍，GPT-4-32k (约 2.5 万字) 的 8 倍 ⋙ 了解更多
🏆 一场AI写中文小说的武林大会，试看科技和人文的交锋
8月份的时候， GenWorld 与真格基金等共同举办了首届中文 LLM 微小说大赛，吸引了科技从业者、作家、媒体人等数百位选手参赛，角逐出了六篇获奖作品。
有意思的是，举办方将获奖作品和交互记录都进行了公开，让我们看到了完整的创作过程。 今天日报推荐的播客也是这场比赛的余波荡漾，主持人邀请了赛事的主办者 Justin 和 Frank，聊聊科技和人文价值。
通义听悟的播客频道也同步更新了这场播客，还有AI生成的多视角转录和总结：全文概要、主持人和嘉宾的发言总结、全部问答的QA回顾！
相信我！先看文字总结再听播客的体验，非常美妙，重点和高光都非常清晰明确~ 微信扫码可以在小程序内收听，也可以前往 ShowMeAI 知识星球查看本次比赛的全部资料 。
🧰 如何调整DALL-E 3 参数，新一轮AI绘画工具经验分享
最近社群里在讨论如何调整 DALL-E 3 生成图像的参数，尤其是图像尺寸。几番尝试下来发现，GPT-4的调整空间更多，Bing输出的生成图像似乎比较局限。下方是调参经验分享，带给了 DALL-E 3 绘画更多可能：
1.尺寸 (Size) ：你可以选择不同的长宽比，如1024x1024 (正方形) ，1792x1024 (宽屏) ，或1024x1792 (高屏)
2.提示语 (Prompts) ：这是生成图像的主要描述。你可以为其提供详细的描述，这有助于获得更准确和满意的结果
3.种子号 (Seeds) ：种子号决定了图像生成的随机性。即使使用相同的描述，不同的种子号也会导致生成稍有不同的图像 ⋙ GPT-4 DALL-E 3参数调整分享
🧩 非程序员的我，用AI构建机器人，每天自动生成 LLM 新闻摘要
作者在没有任何编程经验的情况下，用 Replit 和AI构建了一个机器人，每天向Slack频道发送一份摘要，包括 LLM 热门话题、活跃用户和有趣的消息。
在这篇文章就介绍了他的开发经验，以及这个过程中遇到的挑战、工具和技术，包括 Replit、ModelFarm、Ghostwriter、Google LLMs 等，还公开了自己的项目模板。
整个开发过程整理得非常详细，可以前往获取各个步骤细节和更多资料 ⋙ 阅读原文[1]
🚀 红衫中国 Sparkle Moments 第2期报名，寻找0-1的创业者
这是红衫中国「Sparkle消费创想汇 」第2期的报名提醒。注意！报名截止日为2023年10月22日 ，活动时间是2023年11月18日至19日，在上海 举办，面向大消费领域创业者。
活动将邀请知名消费品牌创始人深度分享创业历程和心得，面对面交流实战经验，对接核心创业资源。感兴趣可以前往 ⋙ 了解更多
👩💻 百度新出的小说AI写作工具，让人人可以写故事
百度作家平台最近推出了新功能，可以写故事和小说了。这个写小说的功能尤其惊艳，可以说通过AI辅助，将小说的创作难度拉低到了「我上我也行」的程度！
从截图可以看出，创作工具的AI功能很丰富，支持选择多个标签，然后自动生成故事梗概和细化到章的大纲 ！还能扩写、润色、续写、较多，并且解决了让作者头大的设定和起名问题！已经实打实成为创作者的效率工具了！⋙ 开发者亲自写的安利文[2]
📚 带你理解生成式AI系列，第1部分 Tokenizer
本文是系列更新的第一章，后续更新会涉及思维链、检索增强生成 (RAG)、ReAct代理、LangChain等更多热门主题。如果你也有学习需求，可以追一下这个系列的更新，在不涉及技术细节的情况下掌握AI模型的工作原理。
这篇文章重点介绍了如何使用 Tokenizer 处理文本数据，及其原理和使用方法。以下是文章各章节的要点总结：
Tokenizer 是一个将文本数据转换为数字表示的工具，它是训练生成式人工智能模型的第一步
1.每个AI都是一个应用程序 ：讨论了AI的应用性质，包括其在各种场景中的实际应用
2.一个好的 Autocomplete ：自动完成系统与全面的语言模型之间的区别，突出了每个系统的限制和优点，也解释了自动完成工具如何帮助生成新的内容
3.定义一个单词 ：如何定义一个词，以及AI如何理解和使用词汇来生成预测
4.理解分词 ：分词在将文本转换为与神经网络兼容的格式中的重要性，OpenAI大模型是如何使用分词来处理文本，以及这些模型是如何学习理解这些分词之间的统计关系，并擅长生成分词序列中的下一个分词 ⋙ 阅读原文[3]
订阅合集 #ShowMeAI日报，查看历史消息，接收每日最新推送; 点击公众号底部菜单栏，或者回复关键字 日报 ，可以获取独家AI发展趋势报告、原创AI专题资料合集等。
参考资料
[1] I’m not a programmer， and I used AI to build my first bot : https://blog.replit.com/building-my-first-slack-bot
[2] 脑洞大开，AI帮你完成情节创意，人人可以写故事: https://zhuanlan.zhihu.com/p/659963933
[3] Understanding Generative AI: Part One - Tokenizer: https://scorpil.com/post/understanding-generative-ai-part-one-tokenizer
感谢
贡献一手资讯、资料与测评体验的 ShowMeAI 社区同学们！
** THE END**
公众号(ShowMeAI-Hub)原创已开通快捷转载
点击『阅读原文 』，查看AI应用与工具库大全 ！
更多AI工具，参考Github-AiBard123，国内AiBard123
