如何用3分鐘讀完1小時視頻？盡情創(chuàng)造，AI黑客松#UC Berkeley AI Hackathon 2024

shadow:

我只有3分鐘，如何看完1小時32分鐘的視頻？

這件事，在LLM之前幾乎不可能，就算是10倍速也不可能完成。

我們借助LLM，逐行閱讀，全面了解視頻所講的內(nèi)容。

# UC Berkeley AI Hackathon 2024總結(jié)

在2024年UC Berkeley AI Hackathon的閉幕式上，觀眾們期待已久的Andrej Karpathy發(fā)表了精彩的演講，并揭曉了獲勝者。此次活動匯集了371個項目，最終8個團隊脫穎而出，展示了他們的創(chuàng)新AI解決方案。

## 活動概述

UC Berkeley AI Hackathon由SkyDeck和Cal Hax學(xué)生組織共同舉辦。SkyDeck是UC Berkeley的旗艦加速器，每年支持約250個創(chuàng)業(yè)項目，并為每個項目提供20萬美元的投資。此次黑客松活動吸引了大量參賽者，共有371個項目參與。

## Andrej Karpathy的演講

Andrej Karpathy在演講中分享了他對活動的熱愛和對年輕人創(chuàng)新精神的贊賞。他提到，AI領(lǐng)域經(jīng)歷了巨大的增長，從小型學(xué)術(shù)研討會發(fā)展到大規(guī)模的黑客松活動。Karpathy回顧了AI領(lǐng)域15年前的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法，并指出Nvidia的GPU在神經(jīng)網(wǎng)絡(luò)中的關(guān)鍵作用。他還探討了大語言模型（LLM）的新型計算方式及其優(yōu)缺點。

Karpathy還提到，電影《她》對現(xiàn)代AI發(fā)展有啟發(fā)，建議觀看。他認為，數(shù)字空間中的自動化和協(xié)作正迅速發(fā)展，物理基礎(chǔ)設(shè)施的自動化將稍后跟進。他還探討了AGI的潛力及其全面自動化可能帶來的不確定和陰暗前景。

Andrej Karpathy:

最近還宣布了，新的創(chuàng)業(yè)項目：一所AI原生的學(xué)校 Eureka Labs，未來將面向全球80億人，按需輔導(dǎo)AI。將推出首個AI課程——LLM101n

https://github.com/karpathy/LLM101n

## 項目展示

在最終展示環(huán)節(jié)，八個團隊展示了他們的項目：

Revision：

開發(fā)了一款A(yù)I工具，檢測并減少教材中的偏見，促進教育內(nèi)容的包容性。

Agent OS：

幫助發(fā)廊處理會計和稅務(wù)問題，通過自然語言快速創(chuàng)建多代理工作流。

Skyline：

優(yōu)化城市交通和碳排放，提升出行效率，減少碳排放。

Spark：

為新創(chuàng)業(yè)者提供支持，通過分析情感數(shù)據(jù)提供銷售和外聯(lián)反饋。

Dispatch AI：

解決911呼叫中心人手不足問題，自動提取位置并分配第一響應(yīng)者。

ASL Bridgefy：

專注于美式手語教學(xué)和傳播，開發(fā)交互平臺識別手語文本和字符。

Greenwise：

幫助消費者分析購買行為，減少碳足跡，通過替換產(chǎn)品做出環(huán)保選擇。

## 獲獎情況

最終，Dispatch AI團隊獲得了大獎，贏得了22.5萬美元的投資、Sky Deck項目門票及OpenAI提供的2500美元積分。評委們對他們的項目表示高度贊賞，認為其在提高緊急服務(wù)響應(yīng)效率方面具有巨大潛力。

## 總結(jié)

此次UC Berkeley AI Hackathon不僅展示了AI技術(shù)的最新進展，還表揚了黑客們的努力和成就?；顒拥某晒εe辦離不開組織者、贊助商和合作伙伴的支持。我們期待明年的比賽，并希望看到更多創(chuàng)新項目的誕生。

---

制作方式：

MixCopilot的分段處理，符合人類習(xí)慣的處理方式：

來自論文：

A Human-Inspired Reading Agent with Gist Memory of Very Long Contexts

read-agent.github.io

Read-Agent 具有三個主要組件：

1. 劇集分頁將較長的內(nèi)容分解為較小的“劇集”或頁面，以便于管理。

2. 記憶要點將每個頁面壓縮成一個要點，并創(chuàng)建一個要點記憶來捕獲本質(zhì)而不是確切的細節(jié)。

3. 交互式查找允許模型訪問存儲的要點，根據(jù)手頭的任務(wù)查閱相關(guān)頁面，并有效地組合信息。

作者在三個長文檔理解任務(wù)（QuALITY、NarrativeQA 和 QMSum）上對 Read-Agent 進行了評估，它在準確性或 ROUGE 分數(shù)方面優(yōu)于基線。

它顯著增加了有效上下文長度，而不需要大量的微調(diào)，這證明了大語言模型生成有用的壓縮表示并與它們交互推理的潛力。

[ 本系列介紹 ]

生成式AI怎么用？用在哪？本系列用100種方式來實驗生成式AI的最大可能性。

歡迎加入“使用AI的100種方法”系列，這是一個旨在分享和探索AI在各個領(lǐng)域應(yīng)用的社群。在這里，你將學(xué)習(xí)到如何利用AI工具提升工作效率、創(chuàng)造力和生活質(zhì)量。

加入：使用AI的100種方法