🎨Runway Gen-3 Alpha 详细使用教程以及提示词指南大全

- 7月9日，著名生成式AI平台Runway在官网公布了，最新发布的文生视频模型Gen-3 Alpha的文本提示教程。

- 从技术层面来说，输入的文本提示会被转换成“向量”，这些向量包含了描述的场景、人物、动作等关键信息，在模型整个生成过程中起着持续引导的作用。

- 文生视频模型还需要考虑时间序列和连贯性，以确保生成的视频不仅在视觉上与描述相符，在动作逻辑上也是一致的。

- 文本提示词相当于大模型的“指导员”，引导大模型创造与描述相匹配的内容。

🔗下面就说一下Gen-3公布的官方提示词教程：

深度！超详细文本提示词技巧，Gen-3发布保姆级教程-CSDN博客

🔬Claude 推出针对开发者自动生成提示词 并测试提示效果的工具

- 该工具由Claude 3.5 Sonnet驱动。您只需描述任务（例如，“分类处理入境客户支持请求”），Claude就能为您生成高质量的提示。

- 在提示词部署到生产环境之前，你还通过各种真实世界的输入来测试提示词的质量和效果。

 - 可以并排比较两个或多个提示的输出结果。通过这个功能，还可以邀请提示专家可以在5分制上对不同版本的提示响应进行评分，从而选择最佳提示。

🔗开始使用：https://console.anthropic.com/

🔗原文：https://www.anthropic.com/news/evaluate-prompts

🌐微软开源下一代RAG技术：GraphRAG​

- 利用知识图谱大幅增强语言模型能力。​

-它能够回答跨多个文档的问题，以及主题性问题，例如“数据集中的主要主题是什么？

🔗GitHub：https://github.com/microsoft/graphrag​

🔗官方文档：http://​ https://microsoft.github.io/graphrag/  ​

 🔗 微软开源下一代RAG技术：GraphRAG利用知识图谱大幅增

​

🚀DeepMind新方法JEST提升AI训练：时间缩减13倍，算力降低90%

- 训练效率革命: JEST方法使AI训练时间减少13倍，算力需求降低90%。

- 数据批次筛选: JEST联合选择最佳数据批次，显著提升多模态学习效率。

- 创新训练方法: JEST利用在线模型近似和高质量数据集引导，优化了预训练数据分布和模型泛化能力。  

🔗详情链接：https://arxiv.org/abs/2406.17711​​​​​​

​

​

🔧Ollama 0.2 版本发布：并发功能全面升级

- 并发功能全面升级，提升系统响应速度和效率。

- 支持加载多个模型，增强系统灵活性和性能。

- 自动加载和卸载模型功能，动态调整系统稳定性和效率。

🔗 详情链接：https://ollama.com/download

​

​

🔊TTT：一种新型的语言模型架构

- 能处理更长文本 性能优于Transformer模型

- TTT是由斯坦福大学、加州大学和Meta AI共同研究的一种新型的语言模型（LLM）架构

- TTT的关键思想是将隐藏状态设计为一个机器学习模型，并使更新规则成为自监督学习的一步。

- 传统模型只在训练阶段进行学习，而 TTT 允许模型在处理新数据时也能进行学习和调整，从而在处理长文本时表现更好。

🔗 论文：https://arxiv.org/pdf/2407.04620

🔗 http://​ https://microsoft.github.io/graphrag/  ​ 

​