【浮世汇871】每一个中国人都会被调休

【1】王志珍院士："我强烈呼吁以后不要再问女科研人员如何平衡家庭和事业。"

【2】@兽爷 

【3】@王落北 

她本可以甩锅给下属，却自己把锅背了起来！

她真的，我哭死

【4】宝玉xp 

由新加坡政府科技局（GovTech）组织的首届 GPT-4 提示工程大赛冠军 Sheila Teo 写的《我是如何夺冠新加坡首届 GPT-4 提示工程大赛的》

Sheila 总结了 4 种提示词技巧：
🔵 借助 CO-STAR 框架构建高效的提示
🔵 利用分隔符来分节构建提示
🔴 设计含有 LLM 保护机制的系统级提示
🔴 仅依靠大语言模型分析数据集，无需插件或代码  — 实际案例分析 Kaggle 的真实数据集

其中 🔵 代表初学者友好的技巧，而 🔴 代表高级策略。

尤其是她总结的 CO-STAR 框架，在让 LLM 做一些内容尤其是写作类任务时非常简单有效。

(C) Context 上下文：为任务提供背景信息
通过为大语言模型（LLM）提供详细的背景信息，可以帮助它精确理解讨论的具体场景，确保提供的反馈具有相关性。

(O) Objective 目标：明确你要求大语言模型完成的任务
清晰地界定任务目标，可以使大语言模型更专注地调整其回应，以实现这一具体目标。

(S) Style 风格：明确你期望的写作风格
你可以指定一个特定的著名人物或某个行业专家的写作风格，如商业分析师或 CEO。这将指导大语言模型以一种符合你需求的方式和词汇选择进行回应。

(T) Tone 语气：设置回应的情感调
设定适当的语气，确保大语言模型的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。

(A) Audience 受众：识别目标受众
针对特定受众定制大语言模型的回应，无论是领域内的专家、初学者还是儿童，都能确保内容在特定上下文中适当且容易理解。

(R)  Response响应：规定输出的格式
确定输出格式是为了确保大语言模型按照你的具体需求进行输出，便于执行下游任务。常见的格式包括列表、JSON 格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说，JSON 格式是理想的选择。

完整内容可以查看：
原文：网页链接
译文：网页链接 

【5】"都会被调休"

【6】西窗随记 

木老师作为互联网最为特立独行的存在，从来不在于正确，或者先锋，而在于她的自由。

我和大家一样，赞成她的某些观点，反对另一些；欣赏她的某些行为，很不赞同另一些（虽然我们赞同和反对的可能并不相同）。我对她的看法一直是，她是少有的可以掌控自己的生活与命运的自由人。

作为女性，她在个人生活中差不多从肉身到精神上摆脱了男权社会的几乎全部束缚，从不婚不育到肆意妄为的性，开始我觉得这也许只是哗众取宠，后来明白这里面更多的其实是无所顾忌，是一个人在能够彻底掌控自己的生活获得自由之后的无所顾忌。

她不属于任何一个群体，无论是身份上还是观念上的，不是左派也不是右派，不是进步主义也不是保守主义，不是男权也不是女权，也难以用先锋还是陈旧来评价她。人们在批评对立面的时候往往能无所顾忌毫不客气，但是我极少看到谁能够连所谓的同温层、友邻、同一个群体或者拥有同一种身份的人都能毫不留情地批评。但这对木老师来说不是个事儿，她总能直言不讳，经常性地捅破各种皇帝的新装，让各种各样的不同派别不同群体的人尴尬起来，甚至恼羞成怒。

我看到不少人批评她，或者定义她。批评有的有道理有的没道理，但定义无一例外都很尴尬。无论把她定义成进步还是保守，先锋还是陈旧，男权还是女权，都解释不通。木老师就像一个做着布朗运动的微粒，永不停息的在无规则运动，神出鬼没地撞击着各个阵营，上一刻还在冲击你的对立面，下一刻就来嘲弄你了。

我就是，好羡慕这种自由啊，一个人，没有同类的自由。

【7】@考古小队长 

【8】契老还是清醒的

【9】生产队时期的外出证明

@王天定:这都是我们不能忘却的历史记忆。行动自由，迁徙自由，对每个人都非常重要。

@贾泽生说法:历史的记忆，愿我们和我们的后代不再经历。

【10】除已故总统叶利钦外，今天俄罗斯六届前总统出席了第八届总统普京的登基大典，他们分别是普京、梅德韦杰夫、普京、普京、普京和普京。（#段 子#）

AD：【支付宝领红包】点此领取