跳转到主要内容

你不需要Devin。请使用这些免费的人工智能工具。

TL;DR


Devin,这位自称“第一个”完全自主的软件工程师刚刚出现在现场,并受到了很多关注。

它还没有公开,但有了几个开源工具,你现在就可以获得类似的网络开发体验,而且可能只需花费一小部分成本。

https://youtu.be/DXunbNBpgZg


在其CLI中使用Wasp的AI功能,您可以通过简单的提示生成全栈web应用程序代码库。从那里开始,通过添加功能并在Aider的帮助下进行调试来对其进行迭代。

有了这两个人工智能代理的帮助,你可以加速全栈应用程序的开发,而不必写一行代码(如果你不想的话)。

请继续阅读以获取有关如何开始的详细说明!

顺便说一句,Wasp是构建全栈网络应用程序的最快方法,它恰好也内置了人工智能生成——加上它的免费和开源!


您可以通过在GitHub上发布我们的回购来支持我们。它帮助我们构建更多的东西,创建更多像这样的酷内容🙏

 

【MLOps】使用Ray缩放AI

Ray正在人工智能工程领域崭露头角,对扩展LLM和RL至关重要

Spark在数据工程中几乎是必不可少的。Ray正在人工智能工程领域崭露头角。

雷是伦敦大学学院Spark的继任者。Spark和Ray有很多相似之处,例如用于计算的统一引擎。但Spark主要专注于大规模数据分析,而Ray则是为机器学习应用程序设计的。

在这里,我将介绍Ray,并介绍如何使用Ray扩展大型语言模型(LLM)和强化学习(RL),然后总结Ray的怀旧和趋势。

Ray简介

Ray是一个开源的统一计算框架,可以轻松扩展人工智能和Python的工作负载,从强化学习到深度学习,再到模型调整和服务。

下面是Ray的最新架构。它主要有三个组件:Ray Core、Ray AI Runtime和Storage and Tracking。

【DetectGPT】斯坦福大学的DetectGPT采用基于曲率的LLM生成文本检测方法

ChatGPT能够在几秒钟内就任何主题生成连贯全面的文章,这使它成为改变游戏规则的信息资源,也是教育工作者的克星。OpenAI的对话式大型语言模型在发布后的几周内积累了数百万每日用户,但也被美国、澳大利亚、法国和印度的学区禁止。

虽然强大的大型语言模型(LLM),如ChatGPT(OpenAI,2022)、PaLM(Chowdhery et al.,2022)和GPT-3(Brown et al.,2020),有无数有益的应用,但它们也可以用来在家庭作业中作弊,或写令人信服但不准确的新闻文章。此外,他们经常产生虚假信息。因此,区分机器从人类书写的文本中生成的任务在许多领域变得至关重要。但随着LLM输出变得越来越流畅和人性化,这项任务变得越来越困难。

斯坦福大学的一个研究团队在新论文《DetectGPT:使用概率曲率的零样本机器生成文本检测》中解决了这个问题,提出了DetectGPS,一种新的零样本机器生成文本的检测方法,使用概率曲率来预测候选通道是否由特定LLM生成。

该团队将其研究的主要贡献总结如下: