今天抽空去看 Seed Freedom 4DX，好看！
已經忘光原本劇情還是看得很愉快，但哪怕忘了劇情還是充滿情懷感。
這部 4DX 真的像駕駛艙，第一次看電影感覺快被椅子甩出去。
最後，粉紅妖女的滿級嘴遁真的噁心，爆種以後感覺嘴遁也有加成 XDDDD
星期五, 4月 26, 2024
星期四, 4月 25, 2024
網路文章：投期刊返修寫Response的時候，應該寫詳細一些還是簡要點？
知乎上很好的文章，擷取重點：
1. 所有的回復目的只有一個：說服 Editor，必須解決所有審稿人的疑慮，突出文章的貢獻。
2. 如何得體又有理有據的回覆強硬拒絕的審稿人
3. 一定要對 Editor 說一些好話，這要在整體回復審稿人意見之前寫上去。
得體回覆審稿人的模板：We appreciate the reviewer for carefully reading our manuscript and makingtheir insightful, critical, and constructive feedbacks. We appreciate that their comments have enabled us to prepare a greatly improved manuscript.（誇他） However, we respectfully disagree with the assessment of this reviewer regarding ourinnovativeness,analysis, and conclusions that the （自己的東西) is a common and unconvincing architecture. （反對他）We apologize for the previous poor formatting and some disputed descriptions of our manuscript, which may have made some of this evidence unclear. （對自己文章不足進行道歉）For this reason, we have revised the statements in our introduction and discussion to better highlight the novelty and advancement of our work.（改進並指明亮點）隨後對自己的亮點進行總結說明，包括那幾點
星期三, 4月 24, 2024
星期一, 4月 22, 2024
兩門 Computer Vision 課程
CS 198-126: Modern Computer Vision Fall 2022 (UC Berkeley)
Computer Vision — Andreas Geiger
紀錄下最近囤到的 CV 課，松鼠黨的收藏又增加了 XD
之前 B 站的 CS231 課也不錯，但只有 Justin Johnson 講的我聽的懂，Serana Yeung 在講什麼根本電波對不到。並且課程到後來速度越來越快，只能把一堆研究稍微帶過去，學到的東西很少。換別的課看手氣會不會好點 XD
淺談 Prompt 自動最佳化工具
今天被介紹、推坑了 LLM prompt 最佳化的文章，文中帶出了很多 paper。粗看下來最優先需要了解的應該是 AutoPrompt，其對應 paper 如下：
Intent-based Prompt Calibration: Enhancing prompt optimization with synthetic boundary cases
其他 research 和 paper 乍看也不錯，但暫時沒有動力去看 Q<>Q
最近要做 LLM 和 GPT 有關的 study，這算是及時雨 XD
全文連結星期四, 4月 18, 2024
MedAI Session 20: Many Faces of Weak Supervision in Medical Representation Learning 觀後感
今天用用冗餘時間把 MedAI Session 20: Many Faces of Weak Supervision in Medical Representation Learning 看完一遍。感覺還是卡在同樣的地方，特別是如何用 noisy labeler 產生 probabilistic label 的部分，看來還是要繼續問 GPT 還有補數學。
看的過程中，發現要看的 paper 也更多了。
Data Programming: Creating Large Training Sets, Quickly
這篇也是講 Snorkel 的，但看來比之前看到那篇好懂一些。再努力看看
Doubly Weak Supervision of Deep Learning Models for Head CT
Cross-Modal Data Programming Enables Rapid Medical Machine Learning
這三篇應該算重要收穫了。醫院放報告和影像一大堆，如果可以用報告加影像直接 train model 那做 deep learning 就會變得容易很多（謎之音：我也不用爆肝）。特別是有論文提到用 BERT 去把原始報告轉換成 study-level 的 label，現在有 LLM 可以用 few-shot 感覺這部份會容易很多。
全文連結星期二, 4月 16, 2024
AI 手算與土炮資源
Tom Yeh Linked In
合集·手撕“Everything”系列，Transformer, Diffusion, LLM等
合集·手撕“Everything”系列，Transformer, Diffusion, LLM等
逛網路看到的好資源，分別是手算和土炮類神經網路。以後要扛 AI 研發任務的話還是要有基本功好，松鼠黨的收藏又增加了 XD
全文連結星期六, 4月 13, 2024
GPT-4 讀 paper 小感
GPT-4 真是讀 paper 神器。
以 Training Complex Models with Multi-Task Weak Supervision 這篇為例，中間小節開始引入集合操作符號就開始看不懂。靠自學 PR 值 < 0.1 的線性代數和數學符號認知，也完全看不懂抽象化後的 Material and Method。
交給 GPT-4 奇蹟出現。先用 LaTeX 把數學公式還原好，再整段丟進去，然後不管 GPT-4 回什麼，直接問 can you give me concrete example?，GPT 就直接解了抽象化，用非常簡單的例子就知道這段大概在講啥，過程中順便釐清我對大量符號的誤解，還有我對圖論基本名詞的認知錯誤。
看來 GPT-4 可以當成讀跨領域 paper 神器，效果遠勝我門外漢亂猜，前提是問題要問對。例如從 paper pdf 複製文字提問時，要用 LaTeX 把被破壞的格式還原 GPT 才知道你在講什麼
不曉得是不是 weakly supervised learning 這個主題 GPT 看過的文本夠多，才有這麼好的效果？可能要讀更多 paper 才能驗證。
全文連結
星期四, 4月 11, 2024
Stanford MedAI group
在找尋 Weakly supervised learning 的時候挖到的。我想看的是這個：MedAI Session 20: Many Faces of Weak Supervision in Medical Representation Learning | Jared Dunnmon
感覺根本就是 cutting-edge 寶藏海，挖 paper 題目就靠這些寶貝了 QQ
全文連結星期三, 4月 10, 2024
對二次元「兒童色情」、兒少性剝削與 iwin 的我見
Ptt 原文
改自本座拙著，最近 iwin 管制虛擬「兒童色情」和真實兒少性剝削鬧得沸沸揚揚。本座屬於「嚴打真實戀童，但反對同等嚴打虛擬人物」流派。
本座認為首先該做還是「正名」
看二次元的不該叫做「戀童」
愛看電影殺人情節，但反對現實殺人的人不叫「潛在殺人犯」，哪怕他喜歡的電影殺人情節可以非常血腥讓人不舒服吐出來，跟真正的潛在殺人犯還是不同。
同理，只看二次元，但反對現實戀童的宅宅也不等於「戀童」。就算某肥宅真的看了很噁心的本子，只要該肥宅堅定反對侵害真人，那就不能跟真正的戀童癖混淆。
本座認為這一定要說清楚。如果 ACG 愛好者和肥宅們認為自己算戀童，只是屬於虛擬沒那麼嚴重 etc. 那先天就站在道德劣勢，你已經承認了自己有病，那保守派嚴刑峻法對付你幫你把病醫好不好嗎？
憲法、法律的「人」只包含自然人。
依據母法的定義、從法明確性來看，法律上的「人」就只能是自然人，否則就是重新定義人類，這點不細說。
國外規範虛擬色情的法律，會用 non-genuine sexual acts with minors（瑞士 Swiss Criminal Code）image of an imaginary child（英國 Coroners and Justice Act 2009）等詞彙，明文表示虛擬人物也屬於刑法的規制對象，這也佐證在刑法上，「虛擬人物」和「人」並不是相同概念，否則何須吃飽沒事幹換個詞明文表示？
反觀台灣，相關條文都是規範兒少的圖畫 etc. 條文從未明示將虛擬人物也納入管理，因此衛服部和 iwin 說虛擬人物也屬於兒少性剝削，純屬擴張解釋法律，顯不符立法原意。
大法官釋 617 同理，本座主張釋 617 規定人獸交屬硬核，其「人」僅限定於自然人。大法官從未在任何解釋將「人」的定義擴展到虛擬人物（大概也沒想到會有邏輯鬼才把虛擬人物也當人）。所以別再說二次元作品有可能觸犯釋 617 的人獸交了，頂多算軟芯猥褻物而已。否則當這麼說的時候你已經無形接受了「虛擬人物也是人」的錯誤概念，從而在接下來輿論戰失利。
保護真實兒童必須停止浪費預算
最近有幸終於投中一篇小社論。本座以為在目前這個風口，「打 ACG 是浪費貴重預算」是能被接受的。
日本 ACG 發達但性犯罪率遠低歐美。目前台灣無二次元導致兒少受害案件，兒少受害案無一是 ACG 導致。寶貴的預算和司法資源拿來管 ACG，只是在浪費珍貴資源甚至癱瘓司法人力。
這跟賣偏方一個樣，賣偏方的說關心你父母得癌症，實際上是花光你父母錢讓他們錯失治療機會，買偏方的錢拿去買有效的自費治療搞不好父母多活幾年。打 ACG 的口說保護孩童，實際上是把有限資源花光，用在無法幫助孩童的地方，錢如果省下來去做有用的事，也許真實虐童案、真實兒少性剝削就能少更多件，阻止不幸發生。
嚴打 ACG 的保守派，和賣偏方的騙子，他們的關心和愛都假的。只是一個圖財，一個只想滿足自己的基督教宗教願景（也許有些人還有趁機擴權搞錢），才不管對兒童到底有沒有用。
保護兒童「讓人兩難」？
出處
最近接連出現兒童受虐及兒少性剝削事件，加害者甚至與兒童保護單位關係密切，引起輿論關切，也有民眾和立委諸公呼籲修法。
筆者認為保護兒童，除了立法，也要提防賣「偏方」假友軍。有政府官員和宗教保守派，對持有真人性影片，有實際兒少受害的案件唯唯諾諾，稱其「讓人兩難」，卻對無實際受害者的虛構影視作品重拳出擊，揮霍兒童救命錢，就是賣偏方的假友軍。
賣偏方者口口聲聲為病人好，讓病人散盡家財，不只是讓病人做「無用功」，更讓病人錯失治療機會。政府預算花在無效治療的費用每多一元，能實際挽救兒童的經費就少一元。假保護兒童之名，卻把預算砸在安慰劑，實際上是戕害兒童。
打擊「湯姆貓與傑利鼠」無法減少虐貓。政府官員要績效，不是靠打擊虛擬人物濫竽充數、搞遮羞布。更何況主張嚴打虛擬人物的團體，尚且無法防止「自己人」虐童，信賴他們的「藥方」無異請鬼拿藥單。預算省下來，用在真正有用的措施，不知道能多救多少孩童？
-----
震聾發聵的好文，寫文章的作者一定是帥哥小鮮肉（？）
難得投稿中了一篇趕快慶祝一下 XD
星期二, 4月 09, 2024
Mamba 架構介紹影片
【博士Vlog】2024最新模型Mamba详解，Transformer已死，你想知道的都在这里了
今天偶然看到的，號稱 transformer 殺手的 Mamba 架構。從影片看來，Mamba 優化了 transformer 的複雜度，並且更加考量到現有 GPU 架構，實現更快的推理，並且在實際應用上很多地方可以平滑的替代 transformer （謎之音：那些用 transformer 做過的 paper 可以全部再做一遍）。後面李飛飛大老的團隊 U-Mamba 實做 CT segmentation 擊中了我 Q<>Q 我連 transformer 都還沒全部弄明白呢，
先做個紀錄，也許以後可以發想一些 idea
星期日, 4月 07, 2024
訂閱：
文章 (Atom)
