song

[沐阳 @yyyole]

我搞了个数据更全的版本！！
基于教育部最新高校名单，共2952所。
正在补全近三年各省、各院校、各专业录取的准确数据。
然后准备加一个预测模型进行准确的分数线预测。
同时根据高考分数推荐“冲稳保”方案。

这样应该能够提供比较准确的参考和辅助。

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

我最后说一遍：不在官方Github的code base里面点star+fork+watch，是没有资格参加在上线后declare airdrop的。

每个人必须在上线前完成Github上的一键三连，这是airdrop的必要先决条件，我们只airdrop给Github上的社区成员，上线后立刻停止。

Github地址在这里: https://t.co/Z9yJ4BCAgN

望周知。

[Punk（2898 🙌💎） @punk2898]

瑞·达利欧《原则2：变化中的世界秩序》中文版动画📺

43分钟 ⏰

内容大纲：

1⃣️过去 500 年荷兰、英国、美国和中国的兴衰模式

2⃣️ 1971 年美国美元黄金脱锚事件

3⃣️ 每个周期 250 年，包括兴起阶段、顶峰阶段和衰落阶段

4⃣️ 当债务变得非常巨大，经济便会出现衰竭

5⃣️ 当国家再也借不到偿还债务所需的资金时，金融泡沫就会破裂

6⃣️ 在乱局中恢复秩序的民粹主义领导人最有可能产生

特朗普：你丫这是点谁呢？

瑞·达利欧通过历史的研究和分析，提出了世界秩序周期规律，对我们理解世界未来的走向帮助非常大

[宝玉 @dotey]

这篇文章《Discover 4 Open Source Alternatives to GPT-4 Vision》介绍了 4 个 GPT-4 Vision 的开源替代方案：

1. LLaVa（大型语言和视觉助手）

https://t.co/z2DnHJ71Kn

LLaVA 代表了一种创新的、从头到尾训练的大型多模态（multimodal）模型。它融合了视觉编码器和 Vicuna，旨在实现通用的视觉和语言理解。LLaVa 在模仿多模态 GPT-4 的功能方面表现出色，并在科学问答（Science QA）方面达到了新的最高精准度。

LLaVA 是一款仅限非商业用途的研究预览版产品。使用该产品需遵守 LLaMA 的模型许可、OpenAI 生成数据的使用条款以及 ShareGPT 的隐私政策。用户在使用本服务时，需同意其为研究预览版，仅限非商业用途。该服务只提供有限的安全保护，可能产生冒犯性内容。不得将其用于任何非法、有害、暴力、种族主义或性相关目的。此外，服务可能会收集用户对话数据，用于未来的研究。

2. CogAgent

https://t.co/qZLQ7SiXtN

CogAgent 是一个基于 CogVLM 进行改进的开源视觉语言模型（Visual Language Model）。CogAgent-18B 模型包含了 110 亿视觉参数和 70 亿语言参数。

CogAgent-18B 在 9 大经典的跨媒介基准测试中表现卓越，这些测试包括 VQAv2、OK-VQ、TextVQA、ST-VQA、ChartQA、infoVQA、DocVQA、MM-Vet 和 POPE 等。它在处理像 AITW 和 Mind2Web 这样的图形用户界面（GUI）操作数据集时，性能远超现有模型。

3. 通义千问-VL 大型视觉语言模型 (Qwen-VL)

https://t.co/WS7beMOhpu

Qwen-VL (Qwen 大型视觉语言模型) 是阿里巴巴云推出的大型模型系列 Qwen（简称 Tongyi Qianwen）的多模态版本。Qwen-VL 能够处理图像、文本和边界框这些不同类型的输入，并输出文本和边界框。Qwen-VL 的主要特点有：

* 卓越的性能：在包括零样本 (Zero-shot) 图像描述、视觉问答 (VQA)、文档视觉问答 (DocVQA) 和图像定位 (Grounding) 等多个英语评估指标上，Qwen-VL 显著优于其他相似规模的开源大型视觉语言模型。
* 支持多语言文本识别的视觉语言模型：Qwen-VL 不仅支持英语和中文，还能处理多种语言的对话。特别在图像中的中英双语文本识别方面，实现了端到端的高效处理。
* 多图交织对话功能：这项功能使得 Qwen-VL 能够处理多张图像的输入和比较，用户可以针对这些图像提出相关问题，甚至进行多图像串联的故事叙述。
* 第一个支持中文图像定位的通用模型：Qwen-VL 能够通过开放领域的语言表达，在中文和英文中识别和标记图像中的边界框。
* 细腻的识别和理解能力：相较于其他开源视觉语言模型目前使用的 224*224 分辨率，Qwen-VL 的 448*448 分辨率更有助于精细化的文本识别、文档问答和边界框标注。

4. BakLLaVA

https://t.co/UKH2Wu5pgy

BakLLaVA 1 是一种新型 AI 模型，它基于原有的 Mistral 7B 模型，并融合了最新的 LLaVA 1.5 架构技术。在这个初始版本中，开发者们展示了这一模型在多个性能测试中相较于 Llama 2 13B 模型有更出色的表现。你可以在他们的GitHub 仓库中找到并试用 BakLLaVA-1。目前，他们正努力更新这一模型，使用户能更容易地对它进行个性化调整和数据分析。

BakLLaVA-1 是完全开放源代码的，但它的训练过程中使用了特定的数据集，包括 LLaVA 的语料库，这些数据并不适合商业用途。目前，BakLLaVA 2 正在研发中，它将使用一个更大的、适合商业应用的数据集，并采用一种创新的架构设计，以超越现有的 LLaVA 方法。BakLLaVA-2 的出现预计将消除 BakLLaVA-1 目前面临的一些使用限制。

原文：https://t.co/rKDsI4HM3b
译文：https://t.co/SzCqeVKEtG

[Geek @geekbb]

愿称翻译 Prompt 天花板，使用 Gemini Pro API 也能译出很好的效果，无惧Token。保存一份到 ALT(居然超过1000字符了，ALT都保存不下！)🥳

[宝玉 @dotey]

#AI开源项目推荐：Inpaint-web

一个无需客户端，借助WebPGU运行在浏览器上开箱即用的 AI 图片处理工具。

目前支持的主要功能有：
- 图片局部清除
- 将模糊的图片变成高分辨率清晰图片

完全免费开源

项目地址：https://t.co/OhfBKw8WoG
在线测试地址：https://t.co/Env6tMNW0u

[宝玉 @dotey]

开个新坑：翻译下《How Diffusion Models Work 扩散模型是如何工作的》https://t.co/zNCsgc4GrF

🧵《How Diffusion Models Work 扩散模型是如何工作的》

第一集：“Introduction 介绍”
https://t.co/c44S4Ar8R9

YouTube列表：https://t.co/7mwjJH0lMi

[宝玉 @dotey]

"我是一家小互联网公司的部门负责人，下属五六位，他们推进项目有些拖拉，我不好意思强迫要求时间（有些项目时间不那么苛刻），他们上班时就有划水现象。如何很自然的变得原则性更强。"
#软工好问题

这其实也是个典型的软工问题，工作中常见。

从软工的角度来说，这不是简单的缩减Dead Line，而是应该有更合理的项目计划，每一个项目，都有一个合理的完成的时间，该3个月就是3个月，该30天就是30天，不是商场买衣服先拦腰砍一半。

作为项目负责人或者部门负责人，最重要的是，要制定合理的计划，让时间点尽可能接近实际需要的时间，不要太紧以至于总是996，也不要太松让员工天天摸鱼。

那么如何制定好项目计划呢？有三个关键点：

*第一个：要将任务分解。也就是项目管理中常见的WBS(Work Breakdown Structure)，一个任务层层分解，分解的越细就可以让时间估算的越准

*第二个：要让具体执行的人参与计划的制定。定计划不是拍脑袋，如果不了解具体的技术细节，很容易高估或者低估实现的难度而制定出不合理的计划。所以最好的办法是让具体执行的人参与计划的制定，这样一方面更准确，另一方面ta会更有参与感。对比一下：
“这个任务你能不能三天内完成？” “我尽量吧”
vs
“你觉得这个任务要几天完成？” “我估计需要3天就可以完成”

前者可能就觉得好像是被逼的，完不成也有借口：“这是你定的时间点，不科学”。
而一般程序员自己说的时间点，都会努力遵守的，你甚至都不用太催ta，ta会尽可能在自己说的时间点前完成。

但程序员估时间点，很容易过于乐观，或者有些人会给一个过于宽松的时间，这时候，就需要结合任务分解（WBS），将任务细分后，偏差就不会太大。沟通的时候，要注意多问问题，而不是简单质疑为什么要这么多时间。比如说：
“是不是可以把任务细化一下？”
“这个模块3天是不是不够？”
“这个功能模块需要2周，如果我们简化一下，或者移除，是不是可以让进度快一点？”

通过这样让程序员参与估算，通过反复沟通，基本上可以得到一个合理的时间。

*第三点就是要有里程碑。如果是敏捷开发这种一个Sprint一个Sprint的迭代还好，每个Sprint就相当于一个小里程碑。没有里程碑的话，计划的执行就很容易前紧后松，开始无所事事，快到交付的时间了发现还差很多，只能凑合着完成。

设立好里程碑后，强制每个里程碑都要有交付，这样就可以保证最终计划的执行不会偏差太大，一直有交付。

里程碑，本质上是利用DeadLine来倒逼生产力，是一个简单有效的方法避免划水，提升效率。参考阅读：《项目一再跳票？试试这一招：用Deadline倒逼生产力》https://t.co/kQ3s4uPYSC

计划，不仅仅针对单个项目，其实对于整个部门来说，也要有长期的计划，有些是硬性的业务需求，还有一些是要作为填充剂的软性需求，像偿还技术债务、提取公共组件、尝试新技术栈等，在闲暇的时候正好把这些填充剂需求补上，保证大家一直有个稳定的节奏，不要太紧也不要太松。

上面说的这些，包括截图中的方法，都是一些基本的软件工程和项目管理手段。除了这些手段，其实更高明的办法是去激励员工，激发他们自驱自主的努力工作 。

激励员工方法之一，就是类似于鲶鱼效应，开掉消极怠工的员工，招一些积极的“鲶鱼”，带动整个团队。

激励员工的方法之二，就是让他们觉得自己做的事情是很有价值很有意义的，他们能感觉到成长。

比如我们最近在忙一个大项目，我们组也有要去做一些事情，我并没有把这个事情只交给某个资深程序员的去完成，而是分解成几个小任务，让大家都有机会参与。任务做完了，再鼓励他们去给大部门做Demo，去展示他们的成果。

即使我们没996，但是可以看到他们很努力的工作到比较晚，因为他们觉得做的事情很有意义，而且从中也获得了成长。

#软件工程之美

[木头哥 wood brother @Maybe2024slow]

L2龙头，估值80亿美金的starknet代币空投要来了！我在去年就开始发starknet主网生态教程，跟上的老铁很有可能吃到肉。预计starknet单地址价值会是op的好几倍。希望大家跟着我拿到空投过个肥年💰💰💰