关了关了.

陈天奇是机器学习领域著名的青年华人学者之一，本科毕业于上海交通大学ACM班，博士毕业于华盛顿大学计算机系，研究方向为大规模机器学习。TVM、MXNET、XGBoost 作者，CMU 助理教授，OctoML CTO。在gpt的潮流下，领导的团队提出了MLC LLM ，为在各类硬件上原生部署任意大型语言模型提供了解决方案，可将大模型应用于移动端（例如 iPhone）、消费级电脑端（例如 Mac）和 W

来自华为发表于nature的《Accurate medium-range global weather forecasting with 3D neural networks》。 现阶段，AI 气象预报模型精度不足主要有两个原因： 第一，现有的 AI 气象预报模型都是基于 2D 神经网络，无法很好地处理不均匀的 3D 气象数据。 第二，AI 方法缺少数学物理机理约束，因此在迭代过程中会不断积累

该论文来自同级的fga同学。fga同学是一位我挺佩服的同学。 论文地址：https://arxiv.org/abs/2305.19599 共同一作：fga和来自穆罕默德·本·扎耶德人工智能大学（MBZUAI）的Zutao Jiang 其他作者还包括来自华为诺言方舟实验室的几位和梁晓丹老师。 不知道这篇论文会在哪里发表（目前还是arxiv)，也不能断定这篇论文是否具有较大的学术阅读价值，但我认为阅读

来自《A PhD Student’s Perspective on Research in NLP in the Era of Very Large Language Models》 通过汇集来自不同背景的博士生的意见，探索NLP领域丰富的研究方向，避免将研究仅仅局限于大型语言模型。提出了十四个研究领域，每个领域包含了2-4个具体的研究方向，涉及多语言性、推理、知识库、语言基础、计算社会学等主题。

来自发表于Royal Society上的《Astronomia ex machina: a history, primer and outlook on neural networks in astronomy？ 个人评价： 大致算是讲述了人工智能的历史，没有很好的讲述人工智能在天文学的特殊性，生硬的讲述人工智能+天文学，简单的1+1-2，没有看到想要看到的1+1>2。 让我印象最深的是文中

来自《Voice Conversion With Just Nearest Neighbors》 demo地址：https://bshall.github.io/knn-vc/ 代码地址：https://github.com/bshall/knn-vc 简介：任意语音转换旨在将源语音转换为目标语音，仅以目标说话者的几个例子为参考。最近的方法产生了令人信服的转换，但代价是增加了复杂性——使结果难以复

未完待续

来自Open Samizdat 简介： chatgpt的流行及其各种令人印象深刻的功能使一些人相信它是在现有系统的语言能力上向前迈出的重要一步，nlp领域很快就会被生成语言模型所吞噬，甚至它预示着AGI。 为了验证这些说法，我对arXiv预打印进行了调查，将chatgpt与其他方法进行了比较，主要是使用较小的微调模型。 chatgpt的性能并不像我预期的那样令人印象深刻，因为它经常被更小的模型所

来自B站UP主五云寨主的《全世界国家计算机方向博士申请和毕业走向粗略分析》 全世界国家计算机方向博士申请和毕业走向粗略分析（新西兰参考澳洲，瑞士参考德国和丹麦） 视频主要简略介绍全世界各国关于申请读博士的不同的要求以及全世界各个国家的学校的博士毕业的主要的出路。 澳大利亚和美国主要是Up主待的比较多的地方,但是对别的国家也有所了解。 内容不算太多。 简单总结：除了美国就是中国，亚洲这块HK 坡县