大狗钱包：https://galxe.com/taho/campaign/GCEnAU4KBK?utm_campaign=daylight&utm_medium=social&utm_source=twitter&utm_content=galxe-quote-tweethttps://layer3.xyz/quests/intro-to-base (交互base顺便做下任务）OP和CoinBase联手搞事，CoinBase 搞的L2跨链桥测试网保姆式0撸教程：https://mirror.xyz/0xc9f6977cF31F9deCdD2c24DF92aa621e4259469B/4W9UWlcCaUKQSist8_inmM_tdmUHVqgpUX48Bulz6K4stg投票xterio 黄色徽章： 参与2月16日起在Galxe上进行的5个OAT活动，收集齐5个OAT，即可获得黄色徽章。 OAT #1：https://galxe.com/Xterio/campaign/GCGQiU4qYJ OAT #2：https://galxe.com/Xterio/campaign/GC3...

Web3 offers an opportunity to rebuild the entire internet. To align it with the values of its users, rather than to extract. Many have lost sight of this in pursuit of cheap fees and a quick buck. To forget these values is to neglect what made crypto so promising to begin with.

原文链接： https://www.spaceandtime.io/blog/vector-search-to-success 译文： 向量搜索的成功之道 ---探索RAG在开发复杂LLM中的作用 作者： Scott Dykstra Co-Founder & CTO 在2022年之前，如果你想快速回忆起你最喜欢的书中的某一段文字或刚看过的电影中的一句台词，而手边没有作品本身，你可能会求助于搜索引擎。你会输入一个精心设计的搜索请求，浏览返回的结果，访问看似包含答案的SparkNotes或IMDB链接，并在几分钟内找到你要的文字。现在，你只需打开ChatGPT，输入“《终结者》最著名的台词是什么？”或者“写出《双城记》的开篇段落”，即可在几秒钟内得到准确的答案。 大型语言模型（LLM）最简单的用途之一是作为知识数据库。LLMs经过大量丰富数据集的训练，像ChatGPT这样的界面使得检索变得非常简单。例如，当你提示ChatGPT返回一部电影或书中的内容时，你实际上是在利用模型的能力来回忆它在训练过程中接触到的信息。但如果它没有被训练过《终结者》的剧本，或者它的权重未赋予狄更斯作品足够的...