[爆卦]題目生成器是什麼?優點缺點精華區懶人包

雖然這篇題目生成器鄉民發文沒有被收入到精華區:在題目生成器這個話題中,我們另外找到其它相關的精選爆讚文章

在 題目生成器產品中有31篇Facebook貼文,粉絲數超過13萬的網紅張欣欣,也在其Facebook貼文中提到, 這星期,我在初中補習班中,考核學生成語。 學生的表現,令我十分驚喜—--- 18條題目18分,最高分的學生拿6分,不少拿到0 分! 部分題目如下(括號外的字是我在筆記中或堂上的提示): 1. 形容到處都是稱頌的聲音: ( )載道 答案應是「口碑載道」,但大部分人卻寫了「怨聲載道」!同學們,你...

題目生成器 在 陳顥元(Richard Hao-Yuan Chen) Instagram 的最佳解答

2021-09-10 22:31:57

咖啡小學堂-期刊文章導讀 【冷萃咖啡現今的挑戰:烘焙、萃取、風味剖析、汙染與食品安全】 這周要分享的是冷萃咖啡(Cold Brew) 冷萃咖啡這幾年非常流行, 為何會如此風靡?背後又隱藏什麼危機呢? 【冷萃咖啡的歷史】 冷萃咖啡可追朔至1600年, 但具有指標是1960年代, Toddy公司...

題目生成器 在 小本hsiobun 手寫實驗 Instagram 的最讚貼文

2021-02-22 10:33:45

小本告白  🎵今天這篇配這首:寂寞無害·艾怡良 他/她說: 「小本你好,我一直都知道前任偶爾會看看你的文字,但我仍然想和你分享我們之間的事,不管他會不會看到。  是這樣的,我們一年前在網路上相識,聊了差不多兩週就以閃電的速度在一起了。一路上跌跌撞撞一邊相處一邊變得更加靠近,這段感情並沒...

  • 題目生成器 在 張欣欣 Facebook 的最讚貼文

    2021-03-28 22:36:48
    有 838 人按讚

    這星期,我在初中補習班中,考核學生成語。
    學生的表現,令我十分驚喜—---
    18條題目18分,最高分的學生拿6分,不少拿到0 分!
    部分題目如下(括號外的字是我在筆記中或堂上的提示):

    1. 形容到處都是稱頌的聲音: ( )載道
    答案應是「口碑載道」,但大部分人卻寫了「怨聲載道」!同學們,你們有看清題目字眼嗎?

    2. 人心變化多端,難以推測,貶義: 人心( )
    有學生寫了「人心雞煲」!你們上我堂很餓嗎?答案是「人心叵測」啊!

    3. 求職謀事的人超過工作的需要:人( )
    有人寫出「人民幣好」這話!(滴汗)其實是「人浮於事」。

    4. 獨自在隱僻的地方,仍然居心端正,形容人光明磊落:不( )
    部分學生好老實,直接寫「不知道啊」!應是「不欺暗室」才對。

    5. 不斷地訴說苦處:叫苦( )
    大部分學生寫作「叫苦連天」,這倒對了一大半。但題目字眼有「不斷」,若是答「叫苦不迭」則更準確。

    6. 指尊敬師長:( )雪
    有人寫「今日落雪」!大佬,唔係湊夠4個字就係成語架!應是「程門立雪」!

    7. 指一個人在較晚年才得到成就: 大( )
    竟然出現「大小二便」的答案,你地上我堂時好急咩?!其實是「大器晚成」才對。

    8. 嘴上不說好壞,但內心有所褒貶: 皮( )
    「皮下脂肪」、「皮光肉滑」統統出籠!你們成日食白切雞嗎?求求你們以後記著「皮裏陽秋」吧!

    9. 形容衣服非常破爛:( )結
    「波多野結」!? (大滴汗)我暈啦!是「鶉衣百結」呀!

  • 題目生成器 在 ApuJan詹朴 Facebook 的最佳解答

    2021-03-15 22:59:44
    有 202 人按讚

    在與林予晞與對談前,重新分享 VERSE ╳ APUJAN 封面專題 #跨界閱讀 的緣起。

    VERSE 雜誌第四期與ApuJan詹朴合作專題「讀書的人」,針對封面人物-演員 林予晞 Allison Lin與四位不同領域的職人代表-電影監製 #李烈、棋士 黑嘉嘉 Joanne Missingham、EMBERS主廚 #郭庭瑋、 寶瓶文化總編輯 #朱亞君 。由 #APUJAN 負責企劃與服裝,VERSE編輯部統籌與訪談,高啟舜攝影,拍攝一系列時裝情境照,呼應各種不同類型的職人場域以及屬於他們的閱讀,訴說那些職人與閱讀的關聯。

    緣起-閱讀與服裝

    總是想著職業與閱讀的關聯,可以有甚麼樣的連結。

    以服裝設計來說吧。

    一開始,書單是我們的溝通工具,在我們準備新一季時裝開發的時候,它有點像是一種mood board,在設計圖、視覺、影像、布料都還沒有產生的階段,設計師列出一些自己看過,可能呼應主題,可能可以提供參考的書本們,組成一張參考書單,來幫助工作夥伴一起進入這個主題,進入這個世界觀。

    如果這季的時裝秀是偵探主題,那可能會是一份推理書單,列出各種推理懸疑小說,可以從愛倫坡到伊阪幸太郎,如果是科幻主題,則會是一份科幻書單,有艾西莫夫,有菲利浦狄克,也有郝景芳。如果主題是物件跟情感的關聯或想像,例如羊,例如雲,例如門,則可能會有《尋羊歷險記》,也可能會有《雲的收藏者》。

    接著準備幾份參考書,寄給合作的緹花設計師、影像導演、音樂製作人,還有其他的服裝工作室夥伴,希望大家一起閱讀。

    於是討論跟想像就有了依據。

    你建構的偵探故事,是古典的還是當代的? 是冷硬派還是推理機器,是本格的或是非本格的,發生在怎樣風格的城市。你說的羊是哪一種羊,背後又代表著甚麼,尋找羊或許也是在尋找人。

    它不是多具代表性的集合,甚至也不特別,但它是溝通方式。

    有些創作者也許用很多張旅行中的照片,有些設計師也許用一些片單的集合, 來組成一種氛圍,確定一起合作的工作者們,在一切發生以前,可以一起進入某些故事的設定中,我們則是書。

    除了小說之外散文之外,我們看沈從文的《中國古代研究》,看《星際大戰》的服裝設定集,研究古代的服飾典故、百年前的版型筆記,研究針織或梭織織程,看手打編織圖譜,看恐龍百科,看花卉百科,看紗卡,看洗語。

    我們的靈感參考來自於書,了解更多元素物件的輪廓,了解更多各種構成的邏輯,我們有時想像更多的奇幻情節,有時又試圖多理解一點傳統服裝生成背後的歷史與典故。我們閱讀,吸收,然後忘掉,在某次新的開發季也許才再想起,那些點與點之間的連結,那些文字與符號。

    那麼,其他職業的人都在看些甚麼書呢? 是跟自己專業有關的,是可以刺激靈感刺激創作的,是純粹的生活喜好,還是混雜的複合體?

    好像沒有太多人喜歡列出自己最愛的書,這是一個流動也難以去思考的題目,但是也許也許,可以分享一些跟職業主題有關的參考書吧?

    食譜是一種閱讀,戰術是一種閱讀,劇本是一種閱讀,棋譜是一種閱讀,想要了解別人也是一種閱讀。

    於是產生了一個聯合企劃的想法,職人的生活與閱讀,對於職人閱讀情境的想像;還有那些化為照片與文字,被大家期待閱讀的他們本身。

    棋盤之外的閱讀,會對下一手的理解有所不同嗎?

    我們用不同的方式理解世界,各種紀錄、各種圖表、各種文字、各種文章、各種書、各種經驗、各種想像,藉著別人的架空世界去感受去模擬。

    我們用不同的方式閱讀,試圖解讀很多的暗號很多的心情,雖然總是徒勞無功。

    我們努力吸收拆解訊息,一起進入想像中的世界,一層一層的,即便不知道那是哪裡。"------#詹朴 於VERSE04

  • 題目生成器 在 Daodu Tech 科技島讀 Facebook 的精選貼文

    2020-12-20 20:00:22
    有 94 人按讚

    #島讀回顧 #人工智慧

    今年島讀網站被搜尋最多次的關鍵字是「人工智慧」(AI)。

    人工智慧近年的發展迅速,許多領域都能看到其應用。

    島讀今年一篇《機器學習 — 知識工作者的未來》,以「文字產生器」GPT-3 討論人工智慧,獲得不少會員迴響。

    ---

    寫論文很痛苦。有些人痛苦到整份照抄別人的論文。現在出現一線曙光,美國 OpenAI 公布機器學習模型 GPT-3(Generative Pretrained Transformer),堪稱是「萬用」的文字產生器。最近 GPT-3 開始封測,推出 API,更在矽谷引發轟動。目前已知有人用 GPT-3 寫程式、請牛頓解釋地心引力、回答醫學問題、摘要文章,甚至寫詩。

    先說 OpenAI。OpenAI 是一個非營利組織,贊助者包括 PayPal 創辦人 Peter Thiel、Elon Musk 與 Salesforce 創辦人 Marc Benioff 等。其使命是確保通用人工智慧(Artificial General Intelligence)將用於服務人類,而非迫害人類。

    GPT-3 則是其開發的語言生成模型,第三代的「文字產生器」(島讀去年討論過第二代)。使用者輸入一段文字,它就會生出下一個字,再繼續生出下一個字,不斷重複下去,直到人類喊停或是達到約 1,000 個英文字為止。例如我輸入:「天下分久必合,合久必 ___」,GPT-3 大概會預測下一個字是「分」。

    如果我沒喊停,也沒有設定明確的任務,GPT-3 就會繼續生成下一個字,寫出一段故事或一篇文章。

    或許你會問:「世界上文字千萬種,GPT-3 怎麼知道要寫論文或小說呢?」

    這就是 GPT-3 驚人的地方:它是通用模型。只要使用者稍許提示,它就會自動調整輸出內容類型,不需要使用者另外精調(fine tune)。就像一個真的有用的 Siri,不管你丟什麼任務,只要是文字,它都接得下來。

    例如有人簡短的提示(prompt) GPT-3「用 19 世紀作家 Jerome k. Jerome 的語氣寫一篇關於 Twitter 的文章」,GPT-3 就生出相當完整的作品。

    只要是需要文字的任務,不論是回覆 email、寫新聞稿、翻譯外文、「翻譯」法律術語、編吉他和弦,甚至是寫程式,GPT-3 都能做得還不錯。一篇網路文章《GPT-3 可能是比特幣以來最重要的創新》更是格外轟動,因為讀者讀完才發現整篇都是 GPT-3 寫的。

    相較於 GPT-2,GPT-3 效能是「暴力式」的飛越性成長。換言之,GPT-3 的基本架構與 GPT-2 幾乎一樣,只是參數由 15 億增加到 1,750 億(117 倍),但效果隨之大幅成長。這讓矽谷圈精神為之一振,因為代表機器學習仍可以透過擴大規模來成長。

    雖說使用成本也等比增加 — 訓練一次 GPT-3 需要 460 萬美金 — 但能用錢解決的都是小問題。目前已知人類大腦的突觸約 1 百萬億個(100 trillion),是 GPT-3 的 1 萬倍。許多人不免幻想如果再來兩次升級 100 倍(共一萬倍),是不是就能逼近人類大腦了?

    有成本就需要收入。OpenAI 現在提供 API,就是為將來商業化營運作準備。其他雲服務商如微軟、AWS、Google 也都開始提供機器學習「模型即服務」(Model as a Service, MaaS)。這大致可分三種應用:

    ● 垂直情境,簡單但量大的工作:如辨識異常、偵測錯字、回覆 email、回答客服基本問題等。這有點類似聘僱國中生實習,但聘雇的是無限個實習生。
    ● 垂直情境內,困難但狹隘的工作:以 AlphaGo 為代表。它打敗所有人,但只會下圍棋。
    ● 不限情境,多樣性比正確性重要的工作:以 GPT-3 為代表,如虛擬秘書、虛擬陪伴(《雲端情人》)、發想劇本、草擬程式碼、撰寫科技分析電子報(咦)等。

    MaaS 固定成本高,因此會傾向集中於大型平台,特別是擁有資料的企業,如 Google。邊際成本現在也很高,但應該會逐漸降低,因此有利於擁有最多客戶(用量)的企業,如 AWS、微軟。

    目前 GPT-3 率先大步起跑,將引發其他企業加大投資。其他企業需要差異化,因此會開發封閉的模型;GPT-3 則會是開放或開源的形式。同時,週邊的企業也需要開發工具,形成生態圈。例如目前運算的延遲嚴重,因此雲端的速度必須跟上。有更多相容的 app 提供更精準的提示,才能發揮 GPT-3 的價值。

    想知道文章對 GPT-3 的原理、隱憂的討論,歡迎試用島讀的 1 元訂閱方案:https://bit.ly/3myOL0D

    ---

    更多人工智慧內容:
    [Podcast] 從邊緣挑戰雲上的人工智慧|特別來賓耐能智慧創辦人劉峻誠(公開)
    https://apple.co/2WrmCgC
    臉部辨識 — 30 億張照片的資料庫|執法機關熱烈採用|三條路線(會員限定)
    https://bit.ly/3p791an
    蛋白質的 50 年難題|AlphaFold 遙遙領先|諾貝爾獎在望(會員限定)
    https://bit.ly/2LSzIBt

你可能也想看看

搜尋相關網站