Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Hvordan jeg gjør AI-dypforskning i fem enkle steg:
1. Be din favoritt-LLM om en masteroppgave på PhD-nivå designet for LLM-er spesielt om det du forsker på
Forklar din interesse for temaet, det endelige målet med forskningen, eller hold det generelt for å se hva som kommer tilbake
2. Lim inn denne hovedprompten i forskningsmodus: @grok , @claudeai , @ChatGPTapp, @perplexity_ai , @Gemini , osv
Du får et godt utvalg av hallusinasjoner å velge ;)
3. Lim inn hver rapport i en egen fane i ett Google-dokument
Dette gjør at du kan holde hver rapport ren, sentralisert og enkel å oppdatere
4. Eksporter Google-dokumentet med alle fanene som ett hoveddokument (nå har du bare ett dokument i stedet for 5)
Jeg synes det er veldig viktig å forstå logikken og verdiene til LLM-en du bruker, og hvordan den endrer seg over tid.
Du kan merke de interne verdiene til teamene bak LLM-ene basert på hvilke resultater de er villige til å gi deg om hvilke temaer.
5. Last opp det nye hovedrapportdokumentet tilbake til samme LLM-er (nye chatter) og be dem om å utfordre alle detaljer nådeløst, returnere en endelig doktorgradsrapport om forskningstemaet og gi kilder for alt
Den endelige rapporten vil være en kilde til fremtidig kontekst som jeg fortsatt ikke helt stoler på forresten
For eksempel, da jeg gjorde research på Veve, var tallene jeg fikk tilbake for deres dropp og inntekter osv. helt feil, de fikk til og med den mest grunnleggende informasjonen om produktet feil, som å si at en bestemt NFT hadde 7 000 enheter, men egentlig hadde den 50 000. Og matematikken var overalt. Jeg måtte manuelt faktasjekke hvert eneste element for å verifisere. Dette er selvfølgelig tidkrevende, men det hjalp meg å vite hvor jeg skulle se og hvordan jeg kunne se helheten bedre.
Uansett kan du fremover bruke dette nye dype forskningsrapportdokumentet for å gi større kontekst i all din prompting.
Dette lar deg sjekke dine egne ideer og antakelser mot et målrettet datasett, slik at du faktisk kan stole på all den positive gaslighting-glassingen du får for din neste milliardidé.
...
Topp
Rangering
Favoritter
