即刻App年轻人的同好社区
下载
App内打开
Sophia在斯坦福
177关注5k被关注5夸夸
🌲 清华|斯坦福
🤩 萌新创业者
👩🏻‍💻 非典型程序媛|AI|HCI
💫从这里走向繁星
把即刻当朋友圈^^
置顶
Sophia在斯坦福
1年前
🔝置顶一下个人说明书

🤔我是谁?
• Sophia,01年生人,ENTJ
• 清华19级,斯坦福CS硕士23级在读(欢迎湾区的朋友来面即!)
• 学术研究方向是自然语言处理和人机交互,师从Prof. Michael Bernstein(就是做斯坦福AI小镇的那个组)
• AI领域萌新创业者,做过一个桌面效率工具SaaS产品(ai-anywhere.com),目前在探索新方向

🙌🏻 我的一些人生信条(不分先后):
• 使命:最大化影响力 = 影响的人数*给每个人带来的价值
• 做好一件事 = 80%的执行套路 + 20%的创造力
• 热爱冒险,与不确定性共舞
• 喜欢探索新事物,不设限,享受身兼多职的乐趣
• 相信直觉的指引,相信愿力
• 长期主义,对赚快钱的生意兴趣不大
• 非权威型team leader,经常向团队学习,迭代自我

🐬 在目前人生中的一些Aha moment & turning point:
• 初中时期做了一个算命app,靠给路人算命赚到第一桶金(还记得给已婚班主任算出来有桃花运🤦🏻)
• 高中时期做了一个智能讲解数学几何题的软件,拿到了丘成桐中学科学奖最高奖
• 拒绝了Berkeley和CMU的PhD Offer,听从内心的呼唤来到创业圣地Stanford读master(Stanford老板去年招太多今年没有招生名额了),被Berkeley教授评价为“You made a bad decision”,不过我目前体验下来这个选择正是我期待中的模样~
• 发起了一个去中心化、半DIY研究生留学申请辅导,旨在用十分之一的价格提供留学中介80%的服务,师资来自6所名校,生源扩散至十余所学校
• 把自己“一键ChatGPT润色”的需求变成服务数万用户的产品(灵羽助手 ai-anywhere.com),拿到几家机构的投资意向(但是自觉发展愿景不明朗,出于对资本负责、最大化自主性和可能性的考虑,最终没有接受投资)
• 作为唯二的中国人团队入选了斯坦福的旗舰创业项目 Lean Launchpad

🤝 我能怎样帮到你:
• 连接到可能是全中国最有潜力的计算机科学家/工程师,以及美国本土的VC(当然,这个建立在你在做的事情足够有吸引力的基础上)
• 算是一个小博主(小红书/知乎/即刻),如果我很喜欢你的产品我可以帮忙宣传~

💡 一些我喜欢的即刻输出:
好物分享
• 灵羽助手,在任何app中使用AI,赋能超级个体 m.okjike.com
• 自建GPT:爆款推文生成 m.okjike.com
• 自建GPT:创业导师、KOL多平台发布助手(含小红书) m.okjike.com
• 利用Claude超长context根据论文写讲稿 m.okjike.com

创业思考
• 我们需要10x better solution m.okjike.com
• OpenAI攻破“数据壁垒” m.okjike.com
• diversity孕育创新 m.okjike.com
• 冲突有益 m.okjike.com
• 企业家精神在于用有限资源探求巨大机遇 m.okjike.com

All in AGI
• 强化学习与Q* m.okjike.com
• 大模型时代中文英文化 m.okjike.com
• Dalle3给人甲方的体验 m.okjike.com
• 斯坦福AI小镇开源 m.okjike.com

高光时刻
• 入选斯坦福标杆创业项目 m.okjike.com
• 获得最佳论文奖 m.okjike.com

ps. 最早从初中开始用即刻,非常喜欢那时的爬虫功能,可惜后来下架了。半年前在朋友的推荐下回到即刻,发现虽然工具属性不再,但这里的社区讨论和从前一样,极大满足了我的信息饥渴,于是再度成为忠实用户,也认识了许多有趣的朋友❤️ 在此补上这份个人说明书~ (孔雀开屏一下x)

期待在即刻上与大家一起探索、交流!期待认识更多做AI创业的小伙伴!
88102
Sophia在斯坦福
7天前
大家有没有认识的comfyui大佬推荐呀,感兴趣加入创业团队的那种!
remote完全ok
推荐的人选成功入职即送最新款iPhone🥹
65
Sophia在斯坦福
1月前
Tiktok矩阵账号靠谱吗🧐有没有在做的朋友可以交流一下呀🫡
121
Sophia在斯坦福
2月前
不会用小红书的朋友真的错亿

很多人把小红书当成搜索引擎来用,但是对我而言,小红书最大的价值其实是——超级连接引擎

我很早就有一个构想——能不能有一个AI,它了解世界上的每一个人,如果我有什么找人的需要,只用把人物画像告诉它,它就能帮我连接到对应的人

最近我越来越发现,这样的超级连接AI不就是小红书吗?得益于小红书非常amazing的推荐算法,只要在帖子中描述清楚你的需求,小红书就能精准地把帖子推送给你想触达的对象

还没有试过这个用法的朋友一定要去试试~ 我经常和朋友感慨,要是美国也有这样的小红书就好了hhh
3421
Sophia在斯坦福
2月前
我们创业团队招人啦🙌

> 全栈AI开发工程师
> 网页&应用全栈开发工程师
> 有海外设计经验的UIUX设计师

感兴趣的小伙伴欢迎投递简历到 team@caffelabs.com
大家有认识的朋友也求推荐!推荐成功有奖!!️

来自斯坦福的AI二次元创业团队招人啦!! - 小红书

82
Sophia在斯坦福
3月前
给大家揭秘一下 A16Z 的投资 “内幕”

之前经常听说 A16Z 是披着投资外皮的媒体公司,实际和他们接触下来发现 —— 这句话确实一点没错😂

A16Z 的投资人表示,我们并不需要最独到的 insight,也不会给最高的估值,我们只需要保证最火的、在 VC 圈属于共识的好项目,只要我们想,我们就能投进去

A16Z 绝对是 VC 界最重视品牌和社交媒体建设的VC,也是最早吃到个人IP红利的VC(Marc Andreessen 本身就是人名)。他们的投资人表示,他们的个人社交媒体账号建设情况甚至会影响是否能晋升。

其实背后的逻辑也很简单 - 当创业者拿到了多家 offer,凭什么选你?当创业者谁都不熟的情况下,只能是哪家 VC 的名气大选谁
815
Sophia在斯坦福
3月前
好的美式演讲核心在于松弛感

和站着的时候重心落在一个脚上

-- 准备demo day有感
42
Sophia在斯坦福
4月前
在美国呆的越久就越小粉红
相信中国早晚有一天会比美国更强大,可能还要50年,大概率只要更短
无他,中国人实在太拼了,同样的事情中国人做比美国人做高效太多
最近体验最深刻的一个例子:从联系上一个中国人(加微信)到打上电话可以以小时为单位,从联系上一个美国人(邮件/LinkedIn)到打上电话得以天甚至周为单位😢
114
Sophia在斯坦福
4月前
近日坐waymo有感:抛开社会因素,人类出租车和自动驾驶相比一点优势都没有(暴论)
112
Sophia在斯坦福
5月前
我感觉这个事情得辩证地看
在斯坦福本科dropout创业的也是少数,大部分有创业兴趣的人想的也是先工作再创业
而那些真的本科只读一两年就创业的,我遇到的典型画像是这样的:从小开始编程,中学甚至小学就开始做创业项目,父母/同学的父母人脉资源非常丰富,别看人家刚上大学其实商业实践已经超过了99%的职场人
对于这种人大学dropout创业非常合理,但是中国国情中考三年高考三年大部分人并不具备这种条件🤔

Ryan.eth:

74
Sophia在斯坦福
6月前

聪明妙脆角: 最近拜读了去年火热的斯坦福AI小镇文章的作者Joon Sung Park的两篇文章,分别是22年的Social Simulacra和23年的Generative Agents(斯坦福AI小镇本文)。两篇都发在交互顶会UIST上(后者得了best paper) 比起Generative agents,22年发表的Social Simulacra聚焦于一个更小的领域- 交互设计原型(prototyping)。具体的思路是:交互原型设计师常常需要了解一个设计的效果,目前的常用做法是招募少量的真人做用户调查。 然而,现实情况下,少量用户的反馈往往并不能体现出这个设计的实际效果,或者使用的潜在隐患。这是因为“用户的行为会彼此影响”。 作者在这里举了“反社会行为”作为例子,比如说,一个人在使用社交媒体时,可能只会根据自己的信息发表观点,但是当很多人都参与讨论时,就会带来煽动性言论(inflammatory comments)或者钓鱼引战(trolling)等现象。这样的问题在小规模的用户测试中是无法被检测到的。 为了在“设计阶段”就能了解到大规模用户可能涌现的群体行为,有一种特定的方法叫做social computing system。这个方法可以看作代理人基模型(agent-based model)在设计学中的应用。尽管代理人基模型在其他学科里已经有很广泛的应用了,但是在设计和用户体验方面的探索还很少,这是本研究的一个创新点。 这篇文章的另一个亮点在于,使用了大语言模型(llm):首先,设计师把自己的设计意图输入给语言模型,然后语言模型生成一系列的用户行为(比如发帖/回复)。基于大量社交媒体数据训练的GPT3,已经足够生成各种积极或者消极的回复,其中也包含作者关注的反社会行为。 最后,作者通过用户实验+一个类似于图灵实验的方式来说明这个方法的有效性:让用户区分真实的用户行为,和使用Social Simulacra生成的用户行为。结果显示,用户在超过40%的数据上都无法判断这是真人还是生成数据,这说明了Social Simulacra在模拟真实用户的表现上效果很好。 阅读22年的Social Simulacra一文,可以看到很多Generative agents的影子:二者都使用了大语言模型(GPT3和GPT3.5),二者都尝试用llm去模拟人(一种是社交媒体行为,一种是生活行为),二者都考虑到了人类互相影响所带来的1+1>2的集体效应,并尝试用技术的方法去模拟这种人类群体效应。 两句话总结体会:1. 阅读Social Simulacra对于理解Generative Agents的想法有很大的帮助,两者结合更可以体现作者思考的连贯性。2. 此外,作者对前沿技术的敏感也让人惊讶。想到这篇文章要在22年3月投稿,而gpt3在20年6月才首次发布beta版本。要在很短的时间内把一项尚不成熟的技术用于解决跨学科问题,作者的技术嗅觉真是很准确也很超强啊。

00