Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

卧槽 !! ChatGPT 4o 简直逆天了。 我在小红书搜集“算法”爆款笔记,颗粒度到了每篇热帖的赞数,收藏数和评论数 刚好想把整理过的笔记数据,都放在一个网页里供大家耍耍,一打开 ChatGPT, 就提示我,新东西来了 接下来3分钟 4o 的数据分析,惊掉了我的灵魂。多年的 SQL CRUD 功力,瞬间凝固 脑子里炸了海,除了“卧槽”,已无词可用。推油们,你们能懂我此刻的心情么

160,673 Aufrufe • vor 2 Jahren •via X (Twitter)

10 Kommentare

Profilbild von waterwu
waterwuvor 2 Jahren

我一般是用 GPT 搞出 csv 或者 markdown 表格格式后再搞到 excel 里继续搞

Profilbild von 黄赟
黄赟vor 2 Jahren

这才是正常用法

Profilbild von 行思Kim Li
行思Kim Livor 2 Jahren

用后羿采集器也可以吧,灰豚也可以导出数据

Profilbild von Happy-AI-man
Happy-AI-manvor 2 Jahren

大佬可以推荐一个玩ChatGPT,丝毫滑的节点吗,要不订阅就白瞎了

Profilbild von 黄赟
黄赟vor 2 Jahren

搬瓦工的 CN2 GIA 确实不错

Profilbild von Marvin Ma
Marvin Mavor 2 Jahren

看开头,以为有什么非常牛批的玩法,最后给演示了个排序。。。是不是有点大材小用了🤣

Profilbild von JackC001
JackC001vor 2 Jahren

排序用GPT,是不是杀鸡用牛刀了

Profilbild von West Korea 𝕏
West Korea 𝕏vor 2 Jahren

4o对数学题依旧拉垮,小学5年级题目5题做错3题

Profilbild von KeepStriving
KeepStrivingvor 2 Jahren

不理解你的惊叹从何而来。这种排序excel不就点一下的事,很多javascript的表格库也是轻轻松松。

Profilbild von gffi
gffivor 2 Jahren

前天用在一个两百多页的pdf中找包含对象的所有页码,回应了许多幻觉页面,提供了许多页没有包含所需对象的页码,且言之凿凿

Ähnliche Videos

甲骨文的拉里·埃里森,刚刚给所有AI公司判了死刑。 他说,你们的模型,一文不值。 不是技术不行,也不是人才不行。 问题出在数据上。 ChatGPT,Gemini,Grok,Llama…… 所有这些模型,吃的都是同一锅饭。 整个公共互联网。 每一篇维基百科,每一个Reddit帖子,每一条新闻。 结果是什么? 它们正在趋同,变成贴着不同logo的同一个产品。 用埃里森的话说,就是“大路货”。 真正的黄金,不在网上。 在私有数据里。 医院系统里的病历。 银行金库里的财务数据。 财富500强公司的供应链机密。 猜猜这些数据,大部分都存在哪里? 不在谷歌,不在亚马逊,也不在微软。 在甲骨文的数据库里。 所以甲骨文出手了。 他们推出了一个叫“AI数据库26ai”的东西。 它允许所有顶级AI模型,直接在你公司的私有数据上进行推理。 而且数据永远不用离开保险库。 他们用的是一种叫RAG的技术。 AI不去“学习”你的数据,而是实时“检索”它。 这意味着什么? 银行可以分析它发放的每一笔贷款,而不用暴露任何一个客户记录。 医院可以用AI诊断病人,而不用担心违反HIPAA法案。 国防承包商能让AI分析机密行动,数据一步都离不开安全环境。 埃里森在赌一个比GPU热潮、比数据中心建设更大的未来。 他称之为“历史上最大、增长最快的市场”。 数字很惊人。 甲骨文的待履约收入刚刚达到5230亿美元。 其中3000亿,来自OpenAI一家公司。 但这里有个没人谈论的危险。 如果私有数据是AI真正的护城河。 那么谁控制了数据库,谁就控制了AI的未来。 这种权力集中到一家公司手里。 难道不该让每个人都感到不安吗?

墓碑科技

590,517 Aufrufe • vor 4 Monaten

其实美国AI能超越中国,我是不信的。中国AI原住民实在太强了,而且年龄极小。这是其中一个小团队,平均年龄13.25岁。已经使用AI超过4000小时。看看他们的表达: 占用大家几分钟时间 我们的平均年龄只有13.25岁 我们可能是在场最年轻的一个队伍 我们想要做这个的原因 就是为了想要帮助那些 刚刚进入小红书 有质量但是没有流量的人 来做一个快速的笔记的分析 然后帮助他们获得流量 这个项目本来的话是大家的评价都很高 但因为一些突发情况 导致我们没有被选上 我们训练了两个模型 一个模型是基于传统的Spearman和回归算法 我们爬了小红书上五个垂类的874条笔记和2000条评论 通过这五个垂类进行数据分析 能通过一些特征确定笔记属于账号 整个小红书垂类流量池的哪一部分 我们还训练了一个评论模型 可以模拟小红书整个的用户画像和生态环境 将这两个东西塞进一个叫Agent辩论的场景里 我们设计了5个人设 分别负责内容分析、视觉诊断、增长策略和用户模拟 每个Agent会出一个报告 我们的产品真实可用 白皮书、研究论文和在线体验都在二维码里 扫码就可以在线使用 是完全免费的 为了保证模型客观性 允许每个Agent跟其他Agent辩论 进行三轮辩论后 由综合裁判给出最终结果 呈现给用户的报告包括分数和优化建议 我们做这个项目的初衷 是希望能帮助小红书创作者 为小红书注入新的生态活力 我们整个团队花了48个小时 几乎没睡觉 把这个项目做了出来 最难的不是训练模型 而是爬取小红书数据 我们经过了主办方的授权

Kai

41,685 Aufrufe • vor 3 Monaten