ChatGPT是将海量的数据结合表达能力很强的Transformer模型结合，从而对自然语言进行了一个非常深度的建模。可以应用在图像，QA，文本，Chat等场景，本次我们将讲述如何进行ChatGPT的注册，实现和当前最牛的人工智能对话。

ChatGPT这个东西它在国外，所以我们要科学上网

据测试，香港的无法使用，新加坡是可以正常使用的（最好美国）

网络准备好之后，我们就可以进入到注册页面了

注册地址：

首先是邮件认证，输入邮箱并设置密码，邮箱会收到验证邮件，我们点击邮件的按钮就验证成功了

邮箱验证成功之后会进入绑定手机号的界面，但你会发现选了我们的之后。。。无法使用

这里必须要有一个国外的手机号才行...

在座的各位，有国外手机号的不多吧

这里推荐一个接码平台：

第一步、注册平台，很简单，只需要使用邮箱注册，这里就不列出来了

第二步、充值，接码平台一次需要10.5卢布

换算成人民币大概在1.2人民币

我们充值0.15美元，换算成卢布为10.65?

支付的时候选择支付宝支付，支付了1.12元：

接着去购买手机号，推荐购买印尼的，购买之后会获取到一个手机号

拿着这个手机号填到之前要求验证号码的地方，国家选择印尼，输入手机号时记得去掉号码前面的62，然后获取到你的验证码：

输入验证码之后你就会到这个界面，代表注册成功

我们再次进入网址：

使用注册的邮箱和密码即可直接登录

当你进入到这个页面的时候，就代表你可以和AI进行对话了

如果ChatGPT使用英文回答你的问题，看不懂没关系，只要对他说一句“说中文”就可以了，非常的智能

你是谁？

计算机的知识也可以直接问他

需要安装软件也可以问，还贴心的提示如何测试安装成功了

Linux下安装nginx

2022暨南大学823模拟电子技术初试经验贴

入坑20年了，你看着CS狗们死去了一波又一波，当年的九段高手已经跑了去玩股票炒黄金，整个世界的新技术新概念迭代得你连名词都没听过的。你每天还是慢慢地在自己几平方的工作室里坐下来，笑望桌上跟了你20年的示波器，打开了10年前还保留着LPT并口的工作站，连上6年前买下的JTAG，启动了3年前Lay出的开发板，敲下了你今天的第1行代码。

“恩？这款设计的License收了好像快10年了呢。。。“

你按了F7，HEX2BIN后发布，跑去喝茶看片和运动，继续开始收下一年的License。

EE是酒，你们不懂。

先说结论，是985/211吗？不是考研。

以我的经验来说，进入到公司(华为那种例外)核心研发的基本都是硕士以上，本科基本都在拧螺丝钉。

你的两个选项中，我个人不建议java，因为现在市面上保有量太多了，培训班都能批量生产java工程师，所以如果非要在这两个中挑一个我建议还是选嵌入式。

因为嵌入式看起来是写代码，但实际上你的代码和元件的物理特性，数学关系都是耦合的。这种对于物理和数学等基础学科的理解能力是无法批量生产的。所以可替代性比起java要差。

如果你真的选了嵌入式，一定切记嵌入式只是一种实现手段，这一行真正值钱的对于理论的理解和应用，嵌入式不是单纯敲代码。

说点实际情况，此时此刻坐在我工位对面那小伙子，大学时做过电赛，毕业直接来了我司做射频控制，用的是32F429的，天天和keil做伴。至今两年半左右，我推测他的工资在1w6到1w8，14薪。

哦对，他是研发团队里唯一一个本科生，空前绝后。

------------------------------------------分割线-------------------------------------------------

2022.04.01

这回答都沉了一个月了，突然这两天有小伙伴来看，那我再补充一些吧。可能是因为我任职过的公司都是不超过40人的细分领域小公司，但都属于站住了赛道的小独角兽，所以我只说我看到的，不一定对，欢迎大家讨论指正，给还没入行的新人提提建议。编译FPGA时摸鱼写的，大家觉得有帮助的话，麻烦顺手点点赞，私信我一般都会回。

关于核心研发起步都是硕士：

不是说公司没有本科的研发，而是本科做的都是外围开发，比如GUI，特用功能性API等。

核心的开发，比如FPGA的高速链路和DSP，API架构，MCU主控，硬件（射频和高速数字）设计，这些都是核心研发做的。比如我前家公司，做CT的，我和我室友普一本专硕是全场最低学历。

关于MCU嵌入式的具体工作：

我是FPGA工程师，架构链路DSP都干，但我MCU就是业余票友，修修小bug还行，所以只能大概的说一下。

MCU本身没什么难点，我上学时把野火的F429滚了一遍用了不到两个月。MCU难点在具体应用，这个跟细分行业有关，比如我现在的通信行业，MCU主要的工作是配置各种RF器件，听起来感觉不难，实际上巨TM难。

比如我昨天查出的MCU-bug，因为无源器件的配置顺序有偏差，导致落在Band分界点的信号直接垮了快20个dB。

所以对于我这个行业，MCU的核心工作，不在于怎么控MCU，不会控MCU连技术一面都过不了。在于对射频器件的了解，信号和系统的掌握，还包括一些模拟电路的知识。

关于工资：

这我可属实说不好，MCU的工资和行业关系非常大，你在小作坊做MCU，在大厂做MCU，在我司这种细分赛道小公司做MCU，在初创做MCU，价格相差巨大。上面我推测的我MCU同事工资，说的是税后，我一般不讨论税前，没意义。他现在压力也大，他家不是南京的，刚买房，一月9200的房贷。

------------------------------------------分割线-----------------------------------------------

2022.09.27

这个回答居然半年多了还没沉，在看的人还有越来越多的趋势，我再简单补充两句。

楼下有兄弟劝退的，说干了3年嵌入式还是5000。我做FPGA也算是嵌入式的一种，我20年3月硕士毕业，至今2年半。上周我刚涨完薪，每年不算项目奖金的基本工资，年收入税后到手35w。

他说的薪资是不是真的？是的。我说的薪资是不是真的？也是的。那为什么有这么大的出入？

因为行业的选择不同，公司的状态选择不同。

早些年我考研的时候，听人说选择比努力重要。我第一感觉这话就是放屁，单纯是不想考了给自己找个借口。直到我研究生毕业前一年，开始琢磨找工作的事时，才发现当年的话在这个场景里是绝对正确的，找工作=运气+选择，找错了再努力都没用。

不知道看我这片回答的有多少是还没毕业的学生，所以我也不想误导大家，直接给出我当年思考后的结论，说的不对的地方请大家斧正。

我是普一本的硕士，当年的大厂我根本进不去，所以我也就是直接象征性的投了几个简历，主要精力都放在几十个人的小公司上。

1、 我要选的行业，不能是眼下非常热的行业。这种专业大把的高手往里挤，我就是进去了也是打杂，没人有空搭理我，我干的也不开心。

2、 不能选红海行业的小公司，这种有可能暴毙，且后面跳槽该行业的大公司认不认你还是另一回事，这种公司的任职经历可能反倒是负担。

3、 选适用性广，且细分领域占住赛道头把交椅的。这种公司有成为行业小独角兽的可能，资金链相对健康，在业内有一定的知名度，不至于跳槽建立拿不出手。

有人说，这怎么知道啊？这就是运气了，我当年有朋友是智联的猎头，他的一些同事后来进了大厂成了HR，我自认为还比较能聊，经常通过我朋友约他的朋友出来一块吃饭，聊着聊着就知道咋回事了。

说了行业再说说工作后的状态。有些人把1天的工作重复了好几年，那没有提升很正常。一定要想办法把握住公司内一个相对重要，且没你不行的领域。要往架构的上偏，在小公司打螺丝就是纯纯找死，一定要想办法往架构上偏，要理解系统。小公司里好的工程师，都得能当半个架构来使。

保持学习，不断提升，这才能让你的不可替代性越来越高，我本科自动化，硕士控制工程，非通信科班毕业的，但是这两年里我把通信的本科课程基本都自学完了，所有专业课的笔记加起来都有个几万字。

千万不要天天打螺丝，只干这个你和新招进来的有什么区别吗？没有老板凭什么给你涨？

由于苹果官方的页面样式进行了更新，随着也更新一下以前的那篇教程

上一篇教程得到不错的反馈，感谢大家支持。

首先进入苹果官方注册国区ID：

● 注意是先注册国区ID！！！

● 注意是先注册国区ID！！！

● 注意是先注册国区ID！！！

按照要求填写你的基本信息

电子邮箱：qq邮箱 或者 163邮箱注册，这这个邮箱就是你的AppleID

手机号码：你的手机号就可以，这是用来进行安全验证的

点击继续，会接收到电子邮件和手机号码两个验证码,填写之后注册国区ID成功

登录账号进去

切换国家为美国

这里以美国举例，点击【个人信息】找到「国家或地区」

把中国大陆修改为「美国」

当然，你还可以改成：日本，香港，菲律宾，英国，只是下面的信息你要填入相应的国家的

那这些信息从哪里找呢？

虚拟信息生成网站

国外的服务账号随你注册，并且这些网站并不是侵犯什么隐私了，他们生成的内容呢，都是虚拟的，所以呢，大家不用担心这个问题

● 信息填入案例

付款方式：选无

配送地址：和上面一样就OK

最后点击【更新】，显示：

此时你就拥有一个美国的Apple ID啦！?(^?^*)

登录你注册的账号就OK了

这里提醒一下，邮箱就是你的AppleID，手机号码，是用来进行安全验证的

你的每次点赞收藏关注都是我更新的动力。

关注我 @送花路上 更多好玩的内容，在送来的路上。

先从Jason Wei的这条推开始。

现如今还有很多old-time NLPers停留在BERT时代，思考BERT训练的LM能做的一些任务，而他自己很少看到新加入的NLPers有这个问题。从我个人的理解，他这里说的new-joiners，大概指的是在GPT3出现之后加入到NLP领域并进行探索的人，当然包括他自己。

而从这个角度，国内的情况更为夸张。首先，GPT3的API需要收费，并且国内IP是没法直接访问的，我个人也和很多国内NLPers进行了交流，大家对于GPT3甚至后GPT3时代语言模型的进展了解寥寥，大家对于GPT3、GPT3.5（davincci001/002）有什么样的能力了解都这么少，更遑论训练出这样的模型了。这确确实实让我强烈的感受到了"卡脖子"的感觉。

近期看到很多人不管是在朋友圈还是知乎回答，一遍又一遍的验证了这条推特的说法。我甚至还看到有人觉得训练出这样的模型“不算太难”，据我了解，在GLM130B出来之前，国内甚至没有一个能对标2020年6月OpenAI发布的GPT3的模型，更别说他们后续远远更强大的GPT3.5（davincci001/002）和近期新闻满天飞的GPT4了，让我自己真实的感觉到信息茧房的可怕。但ChatGPT的火爆让我觉得很幸运，至少在这个时刻，更多的人可以看到他们模型的能力，也就有更多的人可以看到差距，激发更多人去思考。

后面说一点我自己作为视觉领域的研究者（外行），对于GPT3时代的理解，以及近一两年的一些思考和思维变化。

近期在写paper时重读GPT-3，才发现自己之前一直都没有真正理解in-context learning的含义，而只是表面的认为其就是不fine-tune而冻住主要的模型参数，也从而大大低估了in-context learning的能力。在NLP领域，或许这个in-context的能力是auto-regressive LLM scale到比较大之后的emergent property，但视觉任务因为不同任务输出空间差异很大，所以如何在视觉领域进行in-context learning一直都是个悬而未决的问题，也有很多工作试图将不同任务统一到一个输出空间（pix2seq、unified-io、uvim等），但都未窥visual in-context learning的门径：即需要将任务输入和输出一起concat起来输入到模型中，而非传统的图像作为输入、任务输出作为模型输出。

在理解了visual in-context learning之后，我才某种程度上对于我们落后openai的代际有了一定的认知（嘲笑自己在2022年11月才进一步读明白OpenAI在2020年6月发布的文章）。在这之后，又再次拜读了后GPT-3时代的一系列文章，webgpt、instructGPT、alignment research等，才发现在GPT-3之后，他们一直在探索的其实就是新的loss signal（驱动模型训练的信息），这可能也是因为他们先意识到auto-regressive LLM这种预测式的输出的局限性，比如对于一些之前文章没出现过的问题难以给出回答，例如WebGPT中长江还是尼罗河哪个更长的例子，哈利波特和指环王哪个字数更多等，这些问题都难以从LM这种任务中直接学到。而他们好像探索出了一条路径，基于GPT3对于语言的理解作为预训练模型，再使用强化学习去校正模型来拟合人对于很多知识的理解和语言的生成。（非常非常感谢 @Trinkle在回答中帮我个人验证了这个猜测，RLHF）

在我自己理解了这个LLM+RL的loop之后，我自己深切的感受到好像真的找到了一条通往AGI的路径了。就着这个问题和很多人交流过，让我印象最深的是和黄铁军老师交流时他给出了一个例子：有研究表明，尽管盲人看不见，并且大多数是通过语言进行交流和反馈的，但他们和视力正常的人对颜色这种抽象视觉概念有着相似的理解，这个对色彩的理解是在盲人想象中的世界里的。LM+RL甚至也能帮助人类理解视觉，当然对于在LM里加入视觉信号，对OpenAI而言或许并不是一件难事，Flamingo已经给出了一个非常强的solution。

而在ChatGPT中，看到一个有点相似而又令人无比惊艳的例子，Building A Virtual Machine inside ChatGPT，让ChatGPT去想象自己是一个Linux Terminal，并且进行交互，下面是这个blog给出的几个例子，大家可以自行感受。

ChatGPT的出现真的是很幸运，它打破了国内国外的信息壁垒、打破不同领域的壁垒，让更多人看到了这样的工作。

我真的希望各个领域的研究者，特别是相对比较senior的研究者们，能够去仔细阅读OpenAI的一系列文章，真的花些时间去理解现在世界最前沿的研究进展到了什么阶段，多看一些墙内墙外的examples，甚至自己去试一试，努力去理解后GPT3时代语言模型的能力，这真的比再在自己的领域中固步自封重要太多了。

期待国内也早日能有像OpenAI一样的公司出现，产出GPT3级别的工作。

封面图来源：百度图片

仍然要说一句：知乎专栏写文章对用户十分十分不友好，S.H.I.T

最近入JoJo坑，非Jo厨（也不懂厨是什么意思。。），从b站的黄（禁）金（毒）之风开始，刚开始感觉这画风真的奇葩，刷完一两集感觉有点意思，之后youku开会员（为看JoJo…）连肝，并在弹幕发现一系列梗，现已肝完第一部石鬼面、第二部三兄贵，第三部卖鱼强、第四部上班族。

肝了一系列，遂想（尽量）总结梗 & 出处，只限于目前看过的，只抽名言，脑洞大开，说不定还能用NLP做个“Jo梗制造机”。由于太多，难免收集不全，而且耗时又久。。。

总之，JoJo系列无疑是优秀的作品。

现总结如下，may be keep updating…

该系列表示频繁用法/名言/梗/弹幕梗

人名说法/名词

• 大乔：专指第一部《JoJo奇妙冒险：幻影之血》主角 乔纳森・乔斯达
• 二乔：专指第二部《JoJo奇妙冒险：战斗潮流》主角 乔瑟夫・乔斯达，大乔孙子，以此类推
• 三乔：专指第三部《JoJo奇妙冒险：星尘斗士》主角 空条承太郎，又名Q太郎（出自TV-15集 正义-其二）、卖鱼强（网友梗？）、蕉太狼、抠脚Jo太郎
• 四乔：专指第四部《JoJo奇妙冒险：不灭钻石》主角 东方仗助
• 五乔：专指第五部《JoJo奇妙冒险：黄金之风》主角 乔鲁诺・乔巴拿，又名茸茸（出处自找）
• dio：迪奥・布兰度，JoJo系列一大反派，据说贯穿5部，又称diao 爷
• 波波：简・皮耶尔・波鲁纳雷夫，第三部《JoJo奇妙冒险：星尘斗士》主角团角色之一

弹幕通用梗

• 动物之友荒木
• JoJo的奇妙变色/奇妙转场/奇妙出血量/奇妙比喻/奇妙姿势（又称JoJo立）/奇妙台词/奇妙女人缘/奇妙砍价（第三部《JoJo奇妙冒险：星尘斗士》TV-15集 恋人-其一）/奇妙辈分（指Jo太郎和仗助）/奇妙景点（指杜王町）。。。
• 人设梗：娃娃脸早教中心、小飞机天才儿童培养中心、阿帕茶业、花京院宝石店、福葛紫烟厂，大佬抽紫烟……（很多很多）
• 面板梗：指南针面板/偏科面板/爸爸面板/弟弟面板/六边形战士/平行四边形面板（滚石）
• 搞笑番/兄贵番/旅游番/破案番（日常番）/禁毒番：第一部/第二部/第三部/第四部/第五部
• Jo式梗（万物皆可Jo）：Jo等了/Jo父/Jo护车/。。。
• 这是替身攻击！/只有替身才能打倒替身
• 你刚刚说了木大是吧？
• 世 界 名 画
• 解说时停
• 祖传195
• 猛男落泪

弹幕梗

• “我乔家世世代代都是绅士！”/”大乔过后无绅士“
• 爱狗人士荒木/荒木老贼
• 标准结局（ed）
• Jo家人一生一次的闪现
• 一代解说：史比特瓦根SPW
• 大乔是天使（PS：因为大乔很善良）

TV-1集 侵略者迪奥

• “我只想当个真正的绅
  
  

  被6亿元拍走的乐视大厦究竟归谁 乐视大厦拍卖降价1亿卖不出去

  乐视大厦拍卖最新进展,乐视大厦值多少钱,乐视大厦流拍,乐视大厦 抵押 14亿
  

  11月30日消息，据媒体报道，乐视大厦以5.7亿元售出。阿里司法拍卖平台上显示，11月30日上午十点整，北京市朝阳区姚家园路105号3号楼1-14层不动产被成功拍卖。该不动产即乐视网公司总部乐融大厦（原北京乐视大厦），此次拍卖有1万余人围观，1人报名，唯一的竞买人以572845879.9元拍卖成功。

  竞拍人为北京衡盈物业管理有限公司，企查查显示，该公司于5天前注册成立。

  据了解，本次并非乐融大厦的第一次公开拍卖。

  2019年5月7日，法院根据执行裁定书，要求乐视网公司从北京市朝阳区姚家园路的乐融大厦腾退，以进行后续该房产的拍卖。

  后确定在京东司法网拍平台公开拍卖，当时房产评估价9.69亿元，起拍价为6.78亿余元。但拍卖日期临近时最终被中止，原因为：案外人对拍卖财产提出异议。

  2021年9月9日，该房产降价1亿再拍卖！ 但又因案外人异议被中止。

  如今，北京衡盈物业管理有限公司以572845879.9元最终拍卖成功。

  本文地址： https://www.xxs100.com//show-395007.html

  版权声明：除非特别标注原创，其它均来自互联网，转载时请以链接形式注明文章出处。
  • 中文注册ChatGPT
  分享到：