香港“完善选举制度”后首届区议会选举10日举行，投票率创历史最低。
新制度下，民主派绝迹、建制新面孔进场，行政长官李家超形容，此次区选是将爱国者治港原则落实到特区治理架构的“最后一块拼图”。本届选民登记人数为433万人，投票时间较上届迟1小时展开，又因电脑故障半小时延长1.5小时，最终累积投票率为27.54%，119万人投票，为1982年区议会创始以来最低一届；数字亦低于2021年立法会选举总投票率30.2%。
记者在荃湾、北区及天后至湾仔的几个票站外所见，选民多为老年人及中年人，不用排队便可进入票区，与上届大排长龙的画面成反差。对于投票率的差距，选举管理委员会主席陆启康表示，今次选举制度与过去不同，不宜与过去的选举投票率作直接比较。
另外，间接选举、地区界别委员会的投票于下午2时半结束，投票率为96.92%，投票人数有2454人。
（端传媒）

维护 #莫言 的都是什么人?

#山东 #苍山县 #蒜薹 事件完整版回答：https://t.me/mightyflame/17447?comment=33084

相关阅读：8月11日有网友发现， #莫言 的 #B站 账号 “ #莫言作家 ” 被 #封禁 ，所有 #视频 被清空。 https://t.me/mightyflame/13034

#莫言 得了 #诺贝尔奖 是因为 #政治 吗? https://t.me/mightyflame/11916

学到了一个魔法 prompt.

让 AI 先对问题先进行复述和展开，然后再作出回答，可以得到更好的结果。尤其是和 CoT (Chain-of-Thought) 结合使用。

这种策略被称为 RaR，也就是 Rephrase and Respond.

就像「让我们一步步思考」（Let's think step by step）这样神奇的技巧一样，应用起来非常简单，有两种方法：

1. 在原始 prompt 后面增加一句话，「Rephrase and expand the question, and respond.」见图一；

2. 分两步进行。第一步，仅重述和展开问题，不回答。第二步，提示 AI 基于已重述的问题进行回答，然后用该答案来解答原始问题。Prompt 见图二。

更有意思的是，一个模型的能力越强，这种技巧的有效性也就越高。

另外，用能力强的模型对提示词做复述和展开以后，把这个提示词放到其他能力相对弱一些的模型里使用，效果可能同样有提升。

我之前写过一个提示词，希望模型通过阅读理解、回忆上下文及逻辑分析等方面对我的提示词进行评估，并给出修改建议。我会根据这些建议去优化提示词中的一些关键词。

原来只要提示模型进行复述和展开就行了。

可以用来优化自己常用的提示词，尤其是常用的那些几句话的提示词。或者，当我们觉得自己对某个意图的表述不够明确时，也可以用这种方法寻找灵感。

图四、图五是我使用的例子，我认为重述得非常好。可以看到，基于我的原始提示词的意图，增加了更多的相关上下文和具体的指令要求。这些是明显能提升模型回复效果的基本策略。

我们甚至可以用中文描述意图，让 AI 用英文进行复述和展开，这样我们还可以得到一个优质的英文提示词。

论文：https://arxiv.org/abs/2311.04205