过去一年炒作的一些热点，红色部分炒作未完。

接下来布局两个币： 1，GAL （web3系列，目前底部） 挂单：2.1附近 2，NEAR （钱包币系列，目前底部） 挂单：2.1附近 以上两个盈亏自己看着来，亏了就吃土，赚了点帝王蟹！

1/ 错过了 $ARB 空投？ 不用焦虑，我们发现了 6 位聪明的空投猎人，他们获得了几乎所有的大型空投。 包括： $ARB、$OP、$BLUR、$SOS、$LOOKS、$ENS、$DYDX、$1INCH、$UNI、$HOP、$FORTH、$GTC。 关注他们，以防错过下一次空投。

再来推荐一下 The Great CEO Within 这本书，first time founder 必读。 系统介绍了创业早期到中期阶段要做的所有事情： - 个人习惯 - 团队习惯 - 组织架构 - 协作方式 - 融资、招聘、销售流程 作者 Matt Mochary 曾是 OpenAI 创始人 Sam Altman 的导师。

如果想学会 ChatGPT、把它作为竞争工具，推荐这个 Prompt Engineering 基础教程 learningprompt.wiki 我也断断续续在这儿学习来着 如果真的想学一个知识、技能、方法、方法论…最基础的方法是找到一手的人、学习一手资料 比如学 GPT，可以学习 GPT 专家、开发者、创业公司，或者用 GPT

的机会。尤其是考虑有很多职能已经有副驾驶员，写代码、做设计之间怎么协同

OpenAI 和 吴恩达的提示工程师课程挺给力，学到了一些 prompt 原则和具体策略。做了个脑图。

这是吴恩达 ChatGPT Prompt 最后一次课的总结： mp.weixin.qq.com/s?__biz=MzI2Nj… 本节课分享两个技巧： transforming & expanding transforming, 转换。自然语言的转换和计算机语言的转换；文本格式到范式化转换。细分都是赛道 expanding: 即无中生有。我用了令狐冲的例子，笑死

在学习完吴恩达老师课程之后，又发现了哈佛大学 CS50 利用 GPT-4 打造智能程序的课程，这不是巧了吗？正好学完 Prompt 知识就无缝衔接上这个课程了，于是又做了 CS50 的思维导图。

CS50 这门课程里，Ted 有个重要的观点：Python 将在未来几年内将变得不再重要。原因见思维导图。

我是如何早期就抓住像 $pepe $turbo 的百倍超级金狗 《单狗1000E的 》线程：👇 (1/10)

LLaMa已经被超越了。一种全新的大型语言模型，名为Falcon 40B，现在领先于开放排行榜。 这个新模型有一些特别的特性： - 被调整以高效推理（意味着它在处理和生成响应时效率更高） - 类似于Unity的许可证，允许商业使用（这意味着开发者可以在他们的商业项目中使用这个模型） -

羊驼家族的开源llm狂欢就要开始了👏 自动测试分数达到ChatGPT的99.3%，人类难以分辨两者的回答…… 这是开源大模型最新成果，来自羊驼家族的又一重磅成员——华盛顿大学原驼（Guanaco）。 更关键的是，与原驼一起提出的新方法QLoRA把微调大模型的显存需求从>780GB降低到<48GB。

思想树（🌲Tree-of-Thought）是LLM领域的最新尝试，提升了解决问题的能力。 在实验24点游戏案例里，ChatGPT 解决问题的成功率从 4% 提高到 74%。 这里有最新的 4 步Prompt，让你在你的ChatGPT里也可以实践这个方法 发现思想之树的力量

The SEC has named these 19 tokens as securities throughout the Binance + Coinbase filings. This could have massive implications for these tokens, and the industry as a whole. Some quick thoughts.👇 (1/9)

训练自己的大语言模型（LLM）的九大理由 1.、数据隐私：你的数据在自己的控制之下，不会被泄露给竞争对手或遭受第三方数据泄露的风险。 2.、所有权：你的团队能够自行构建和控制模型，同时建立和增强自己的AI技术和专业知识。

如何使用Lamini准备数据并训练大型语言模型 你可以使用Lamini训练大型语言模型，通过编写代码将你的数据从数据仓库或数据湖中获取。

GPT-4在由麻省理工学院（MIT）数学和计算机科学的30个必修课程组成的4450个问题的考试中，得分完美（100%）： arxiv.org/abs/2306.08997

复旦团队：全参数微调用于资源有限的大语言模型 单台机器能够微调65B参数的LLaMA 这项技术使得一个只有8块RTX 3090显卡（每块显存24GB）的单一机器能够完全微调一个拥有65B参数的模型。 代码库：github.com/OpenLMLab/LOMO 文章链接：arxiv.org/abs/2306.09782

binance.com/zh-CN/feed/pos…