具体代码见：colab 众所周知，像GPT-3等大学语言模型善于few-shot learning。 那能不能在图像上发挥作用呢？ 研究者将图像翻译成ASCII来让语言模型理解图像。

我个人认为计算神经科学对AI的帮助是微乎其微的，过去没有，未来十年也难以有，就算现在AI可能正面对瓶颈期，我也并不觉得计算神经科学是有效的破瓶器。大二上学院开设有一门神经科学，在相对悲观的态度下，我也没有选这门课。**以下来自知乎用户周鹏程的回答，**我觉得值得一看。 刚刚过去的一个周末，在twitter上的神经科学圈发酵了一起不大不小的争论，引得领域内好几个著名学者，包括Yann Lecun的

摘要 传统“星系形成”的宇宙学模拟受到了有限计算资源的限制，而这篇论文试图借助深度学习来解决这个问题。具体来说，通过生成 512 倍数以上的粒子并预测它们从初始位置的位移来提高模拟的分辨率。该方法的结果可以被视为是模拟实现的本身，而不是对其密度场的投影。由于生成过程是随机的，使得我们能够对大尺度环境下的小尺度模式进行采样。值得一提的是，该模型仅从16 对低分辨率 - 高分辨率的模拟中学习，就能够生

Ai需要鼓励吗？ 参考：Chain of Thought论文、代码和资源【论文精读】 原始版本 《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》——思维链概念的开山之作 这篇文章是现任谷歌大脑研究员的Jason Wei在22年1月放到arxiv上面的文章，在上文所说的大背景下提出了思维链这个概念。

来自Predicting FIFA 2022 World Cup with ML。 预测出来的结果是巴西夺冠。 今年阿根廷夺冠！！！！ 当然事在人为，最终谁夺的冠军还是让我们来期待一下。 根据历年数据计算的准确率只有不到70的准确率，AUC为0.75。 预测准确率25/48≈52%

该报告来自2022斯坦福AI指数报告。

该预测出自State of AI Report 2022，由AI投资者Nathan Benaich 和 Ian Hogarth 撰写。今年是第五年。每次报告都会进行预测，去年预测了8个，结果只对了一半。

如何利用金星凌日、火星冲、小行星冲等天象测定太阳赤道地平视差的方法? （来自《天文学基础》作业四） 太阳赤道地平视差也被称为太阳视差。爱德蒙·哈雷在1716年提出来了利用进行凌日来测量日地距离。尽管使用金星凌日会因为黑滴现象产生一定的误差，但其方法仍是一个比较不错的方法。

基于B站《EP149 你不是在爱 而是自恋！心理学 霍妮&弗洛姆》 卡伦·霍妮和弗洛姆都是我比较喜欢的心理学家，像霍妮的《我们时代的神经症人格》、《我们内心的冲突》，弗洛姆的《逃避自由》、《爱的艺术》、《为自己的人》等都是很有价值、值得一读的心理学著作。 恋爱当中的人该有怎样的内在品质， 才能开启段合格的爱情 ，这里先给出精神分析学派的答案： 那就是克服自恋。

基于管鹏的《一小时漫画基金实战法》书籍 比较入门的一本书，比较浅显，定投部分没什么价值。 一些基金知识 如何选择基金经理（笼统方法） （1）经验筛选，选择5年以上从业经验的 （2）收益筛选，过去五年能在基金经理排行榜排前20%，近两年内能排进前30% （3）另外，还可以看经历了几轮牛熊、师承何处、风格如何、获奖如何。