推薦兩本讀物🤓【If My Dad were an Animal】&【If My Mom were a Bird】🎈
這兩本可以一起看！內容像是把孩子腦袋中的想像畫出來一般，如果今天把拔是動物，他會是怎樣子的呢？是好大一隻毛絨絨的氂牛、還是愛打瞌睡懶洋洋的無尾熊呢？那如果馬麻是小鳥的話，她會是哪一種小鳥呢？是高貴優雅的美麗天鵝、還是聒噪多話的金絲雀呢？其實裡面每一種動物的形象都是孩子眼中父母自身各種面向的展現，作者透過想像力直接與動物們連結！打造出生動有創意的繪本！
這兩本在全球非常暢銷！超級經典！超溫柔舒服的插畫風格，與家人間很溫馨的親情形象完美吻合！值得收藏在家與孩子一起品味！更別提讓我們求學時代一個頭兩個大的英文魔鬼等級的文法“ #與現在事實相反的假設語氣(If+主詞+ were…, 主詞+would/should+原形V)”直接給孩子植入腦內啊！不用學！自然就會！
.
這本書，博客來售價$600！村長全台獨家開團，一本只要$168！社團優先搶購！數量有限一定要準時來搶！）
預計開團時間： 9/29 下午一點
========
你，給孩子看英語繪本嗎？
我之前一直想給波仔他們每天閱讀英文繪本卻都沒有做到！
最主要的原因就是因為
「台灣的英文繪本都太貴了！而且又貴又難買！」
.
所以我一直在尋找有書商願意讓利跟有能力集結國外不是一間、不是兩間而是十幾二十間知名出版社，把在國外暢銷經典的英語繪本引進來，並且用會讓人跌破眼鏡的價格在台灣推廣出去！
.
終於皇天不負苦心人！村長我夢想成真！
所以你們應該也在開團預告表中看到
9/29出現一團「 #麵教授英語繪本精選」（點我看本次書團所有影片）
.
這一團是我從200多本全球暢銷且知名的兒童英語繪本中，花了好久的時間，一本一本先自己看過、過濾，再跟波仔和樂樂一起看一起唸，精選出大約40本上下的去蕪存菁！真的非常值得期待！
.
最重要的是，到時候村長開團你們就會知道！這一本本在市面上要價$400-800不等的原裝進口繪本，跟村長的團只要$168就能買到！
.
順便分享給大家我平常在家是怎麼跟波仔他們一起看英語繪本的！看完之後我也會給孩子幾分鐘”回味”這本書的時間，聊一聊他對這故事的感想，孩子常常會注意到我們大人不會發現的細節，甚至是提出很棒很有創意的想法 喔！
.
（影片中的繪本也會出現在這次的精選團！我在此團都是依照自己的需求跟經驗下去做挑選！適合的閱讀年齡約會落在3-10歲間！）
.
+1領取團購私訊通知
如果已經在其他書本影片下+1的就不用再次留言
加入社團🔜 https://www.facebook.com/groups/chrisbaby/
魔鬼藏在細節裡英文 在 Re: [問卦] 中研院自己做的大型語言模型怎麼了？ - 看板Gossiping 的推薦與評價
※ 引述《messi5566 (虹粉)》之銘言：
: 中研院最近發布了他們自己開發的LLM
: 說是在處理繁體中文的任務上表現優異
: 可是小妹看了一下跑出來的成果
:
:
: 請問繁體中文的任務內容是把簡體翻譯過來嗎
: 詳細資料在這裡
: https://huggingface.co/spaces/ckiplab/CKIP-Llama-2-7b-chat
阿肥外商碼農阿肥啦！
昨天晚上都在跟獵人直播來不及趕上大型翻車現場，這邊中午看hugging face hub還
可以進去，但現在已經進不去了。
這邊阿肥就直接說，基本上現在所有中文開源語言模型除了少數像chatGLM這種中國比較
早期做的自己完全從零訓練的語言模型外，大家都是從meta 的llama魔改的，差別在於預
訓練或微調的數據源跟一些微調小細節而已。
然後大家想知道這個模型是不是本土完全從零開始可以從hugging face上的模型config跟
作者說的訓練數據源來看細節藏在魔鬼裡。
首先，依據新聞阿肥看了一下數據是用dolly-15k跟COIG-PC然後用opencc 轉繁體訓練，
理論上原生的meta llama 2的vocabulary size是32000，然後當前對岸開源的簡中llama
2 vocabulary size 是 55296，CKIP開源的那個看起來是65000。
理論上如果是完全從英文的llama 2 預訓練依照這兩個數據集詞彙詞典大小不會那麼大的
，所以這邊推測有可能這個模型原始就不是從原生llama 2開始的。
此外，這兩個數據集都是簡中數據集，中研院不知道哪個阿天以為只要opencc 簡轉繁就
可以訓練，完全無視繁中的用詞跟簡中用詞的差異。更天的是拿C-Eval這個簡中評測集做
評測，根本是拿明朝的劍斬清朝的官。
當前政府一堆研究單位早就落後中國不止一輪了，人家中國四五年前就砸哈工大幾億人民
幣再做簡中數據集了。
那個時候阿肥就一直再說台灣想做自己的AI一定要先從數據中心、數據工程開始，建立屬
於台灣自己的數據集，結果過了幾年中研院依然是畫大餅的單位，年初阿肥參加過幾個會
議聽到中研院再那邊高喊要要做自己的LLM，阿肥還以為中研院自己秘密建立了一套數據
中心，想必一定砸大錢，結果竟然是拿對岸的數據訓練，也不知道哪個天才研究員覺得只
要簡轉繁AI就會自己講台灣用語。
唉～
這邊註一下：
Vocabulary size是指當前LLM再預訓練會先把文字依據數據集切分成對應大小AI自己學會
的Token，詞會儲存起來對應成ID，AI模型其實真正預測的是這個詞表的ID最後再轉換回
人類有辦法閱讀的中文或英文字。
C-Eval是中國清華北大釋出來的評測集，簡單理解就是AI輸出的文字跟人類的回答有多接
近，他會做一些規範劃分成20-30個領域看看AI究竟有沒有學會到文字裡面的文化或是專
業領域知識。
以上
阿肥自己目前也在幫公司做繁中的語言模型，目前阿肥因為繁中數據有限所以
阿肥都是盡可能把模型縮限在小範圍超過分佈就拒絕回答，敢這樣做到那麼通用還不是拿
自己的
大量數據集來訓練，我感覺CKIP可能要有大地震了。
呵呵….
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.10.46.126 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1696833266.A.EC8.html
？
詞彙他才會轉，但他的做法就是遇到同樣的詞就取代，像港語的的士你直接把他加進去就
全部把你文字裡面的「的士」轉成計程車。。
※ 編輯: sxy67230 (101.10.46.126 臺灣), 10/09/2023 14:44:21
字資料一定有很多雜訊跟給電腦識別的tag要清，每一個都是成本，然後最後有了pretrai
n data後當前的LLM 模型還需要Instruction data也就是標準的人類口語QA跟引導模型的
句子來調，最後想要更好一定要做偏好模型來產生弱標籤做清理人類惡意輸入的雜訊，你
覺得維護成本低嗎？
，光是弄得好模型就夠漲好幾個百分點了，比去想什麼fashion的模型架構還有用。OpenA
I自己底下也一堆合作公司再弄資料清洗跟弱標籤才締造一個chatGPT。
... <看更多>