PIVOT Vol.5 终于毕业了!

最近几个月都忙于毕业论文和答辩,现在终于告一段落。重新开始写博客的感觉真好!

本刊物不定期发布,希望能为你带来新的视野和可能性。

您可以通过 RSS 订阅:


「REVIEWER2:AI审稿」
REVIEWER2 是一种自动化的论文评审工具,目前审稿质量还无法和专业研究人员相比,但未来有作为第一轮自动化审稿的潜力,减轻期刊编辑部的压力,成为科研论文出版流程中的重要辅助工具。

「How To Ask Questions The Smart Way」
概述了如何高效的提问和交流。实际上也概述了如何检索和搜集资料,将问题深入和具体。

「Timeless Advice on Writing: The Collected Wisdom of Great Writers」
知名作家给出的写作建议,包括 Kurt Vonnegut, Susan Sontag, Henry Miller, Stephen King, F. Scott Fitzgerald, Susan Orlean, Ernest Hemingway, Zadie Smith 等。
文学的作用是通过丰富语言的容器来扩大我们对自身经历的理解。

「像说话一样写作」
Paul Graham 提出了一个简单的写作技巧:用口语写作,可以让更多人愿意读你的内容并理解你想要表达的意思。他还建议大声朗读自己的作品,这样可以更容易发现哪些地方与口语不符。
这样的写作技巧挺适合博客写作的,让表达不那么生硬,也更有个人风格。

「Academic Ranks Explained Or What On Earth Is an Adjunct?」
这份综合性文件深入探讨了学术排名和学术界结构的复杂性,重点介绍了各种类型的教授及其在美国大学系统中的角色。它讨论了终身教职和非终身教职教师之间的差异,揭示了非终身教职职位的普遍性,特别是兼职职位。文件强调了兼职教授面临的工作不稳定、工资低、福利缺乏等挑战,强调兼职对高等教育的负面影响。此外,它还探讨了对辅助人员日益依赖的影响以及终身教授在维持这一系统中的作用。

「How Academia Resembles a Drug Gang」
学术体系依赖于存在一批愿意放弃工资和就业保障的“外来者”,以换取具有不确定性的保障、声望、自由和终身教职所带来的相对较高的薪水。本文利用来自美国、德国和英国的数据,研究了学术就业市场在许多方面如何像一个贩毒团伙,拥有不断扩大的外来者群体和不断缩小的内部核心。

「印度秃鹫突然灭绝导致数千人死亡」
秃鹫往往被形容成比较凶恶的动物,这项最新的研究则探讨了这类生物存在的必要性。
20 世纪 90 年代中期,印度秃鹫几近灭绝,这对人类来说也是致命的,导致曾经有鸟类栖息的地区的死亡率上升了 4%。
一群秃鹰可以在 40 分钟内吃掉一头牛的腐肉。它们的强酸性消化道可以杀死大多数细菌。

「Carrot Problems」
二战时期英国为隐藏其新型雷达技术,声称飞行员通过吃大量胡萝卜提升了视力,以误导敌方。文章还概述了当下社会的一些胡萝卜问题,这种现象使得内部人士(insider)拥有不公平的优势,因为他们知道哪些策略是有效的,而外部人士则可能会被误导,白白浪费时间。

「Best Time to Post on Twitter」
网页主要探讨了在 Twitter 上发帖以获得最大参与度的最佳时机,并提供了具体的策略和工具。不同行业的最佳发帖时间不同,例如休闲行业最佳时间是周五上午 9 点,而财务行业则是周日下午 2 点后。一般来说,周一到周六的上午到中午是参与度最高的时段。

「The Weird Power of “Transactive Memory”」
Transactive Memory 指的是群体中的个体将不同的信息储存在他们各自的记忆中,并通过相互合作来共同完成任务。
我们在生活中常有这种倾向,需要一些与其他人的交互,来唤醒记忆。

「Galaxy Training!」
这是一个社区驱动的数据分析平台,科研人员在此发表可复现、提供解释的实验流程,是一个强大的教学框架,帮助早期研究者学习知识。

「全球价值观差异」
文化价值观在过去40年里可能在全球范围内变得更加不同,但在区域范围内变得更加相似。

「吃什么往往比吃本地食物更重要」
作者认为食物选择时应更注重食物的品质、健康性和类型,而不是食物是否来源于当地。
如果你关注食物带来的碳排放问题。食物的碳足迹主要受土地使用变化和农场阶段过程的影响,运输、加工、包装、零售等流程仅占碳排放的一小部分,食物类型才是值得关注的。运输产生的牛肉温室气体排放量通常不到 1%

From Immunity to Collaboration
随着工业化进程中生成的废物问题日益严重,环境污染成为人们日常生活中的普遍问题。文章首先介绍了生态酶的酿造过程,以及它如何在社区中催化了一种对环境污染的草根反应,即 “微生物政治学”,这种政治学不仅关注免疫和合作,还强调了人类与非人类生命的共生和环境关怀。生态酶酿造不仅是对废物的管理,也是对如何通过与微生物的合作来实现生态修复的一种实践。

「AI 和医疗影像区分人种」
医疗影像,如 CT 和 X 光,不仅可以用于疾病诊断,还可以仅通过图像预测患者的生理性别。影像科专家是做不到这一点的,说明医疗影像中仍有很多未知的特征值得我们分析。

「特斯拉今年从 Luminar 购买了价值超过 200 万美元的激光雷达传感器」
如果认定深度学习是未来,那么很多以前大家纠结的激光雷达和纯视觉协作时的问题反而不是问题了。
能理解特斯拉为什么会买这么多激光雷达,也挺期待特斯拉最后的测试结果,多模态的数据能否增加模型性能。从主推深度学习开始,其实FSD就不再依赖于「纯视觉」这个标签。
还挺好奇音频在自动驾驶领域的应用情况,高速噪音太大,可能效果不好,但在城市路段应该还有些应用场景。

「Whats a game that no matter how many times you tried, you just can’t get into it?」
这个帖子挺有趣的,哪些游戏无论你尝试多少次,都无法开心的玩下去。引起了很多玩家的共鸣,星露谷、EVE Online、巫师3 等评价很好的游戏都有很高点赞数。

「CO-STAR 引导词结构」
CO-STAR 是一个提示词构建框架,使大模型能够更精确的解决问题。
以下是宝玉老师的翻译:

### CO-STAR 框架:
- **(C) 上下文:为任务提供背景信息** 通过为大语言模型(LLM)提供详细的背景信息,可以帮助它精确理解讨论的具体场景,确保提供的反馈具有相关性。
- **(O) 目标:明确你要求大语言模型完成的任务** 清晰地界定任务目标,可以使大语言模型更专注地调整其回应,以实现这一具体目标。
- **(S) 风格:明确你期望的写作风格** 你可以指定一个特定的著名人物或某个行业专家的写作风格,如商业分析师或 CEO。这将**指导**大语言模型以一种符合你需求的方式和词汇选择进行回应。
- **(T) 语气:设置回应的情感调** 设定适当的语气,确保大语言模型的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。
- **(A) 受众:识别目标受众** 针对特定受众定制大语言模型的回应,无论是领域内的专家、初学者还是儿童,都能确保内容在特定上下文中适当且容易理解。
- **(R) 响应:规定输出的格式** 确定输出格式是为了确保大语言模型按照你的具体需求进行输出,便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说,JSON 格式是理想的选择。

以下是我基于 CO-STAR 写的科研论文润色提示词:

# CONTEXT(上下文) #
你是一个英文润色机器人,我讲提供一段学术论文的段落,并希望对其进行润色,以符合学术风格,提高拼写、语法、清晰度、简洁性和整体可读性。

# OBJECTIVE(目标) #
润色这段学术论文的段落,使其符合学术风格,提高拼写、语法、清晰度、简洁性和整体可读性。在必要时,重写整个句子。

# STYLE(风格) #
学术风格

# TONE(语调) #
正式、客观

# AUDIENCE(受众) #
学术界的研究人员、学者和学生

# RESPONSE(响应) #
首先提供润色后的段落,其次列出所有修改并在 Markdown 表格中解释修改原因。

4 Comments

Leave a Reply

Your email address will not be published. Required fields are marked *