用Axure的时候，怎么通过中继器实现穿梭框功能呢？本文分享了一个方法。

AXURE中的中继器是非常强大的底层组件。我们利用好中继器的强大功能，可以为我们原型设计带来很多便利，今天我们要介绍的是如何利用中继器来组装一个穿梭框。

我们先来看下效果：

选中几项：

点击移到右侧已选区：

在已选区再剔除：

下面我们详细介绍一下，如果通过中继器来实现这个穿梭框。

1. 先在页面上拖入一个动态面板，取名字为“候选区动态面板”

2. 在动态面板中放入一个中继器。

我们在中继器中分别放入2个文本框元件，分别取名字为“选中标志”和“选项名称”。

选中标志我们采用“Font Awesome 5 Free”字体，来显示选中状态和未选中状态，两款字体如下：

选中/未选中

对应的中继器列设置如下：

分别有：“name”、“checked”、“view”

• name:用来显示项目的名称
• checked:用来显示选中还是未选中（由于是Font Awesome 5 Free字体，在中继器中无法正常显示），在此处默认为“未选中”状态的字体。
• view：用来控制是否显示在页面上。默认都是“1”。

3. 设置默认的加载交互

即把中继器中的数据字段与页面上的对应。

4. 把上述动态面板复制一份，改名称为“已选动态面板”、“已选中继器”

5. 设置候选项的点击交互。

（1）如果点击的行为“未选中”状态的：

1. 先将点击行中的选中状态字段的文字设置为“已选中”的文字，这样子我们页面上就看到了选中状态的图形文字。
2. 对“已选中继器”执行添加1行的操作。
3. 对“已选中继器”执行标记全部行的操作。

（2）如果是“已选中”状态的：

1. 将“已选中”的文字修改为“未选中”。
2. 将“已选中继器”中将当前取消的数据删除。

这里要主要，我们当前是在后续中继器中，我们要控制操作的是“已选中继器”，

所以在规则设置中，要选“[[TargetItem.name==Item.name]]”，TargetItem就是代指“已选中继器”。

6. 接下来我们来对选中移动按钮进行交互设计

（1）先将“已选中继器”中已标识的数据行中的“VIEW”字段设置为“1”，即是可以显示的状态。

（2）为了防止已选中继器数据过多时，只显示第一页，所以对已选中继器显示的页码进行了设置。

（3）对候选中继器中checked字段为已选中状态的行删除。

这样，点击移动按钮后，候选区中勾选的项会移动到已选区。

7. 对已选区中继器进行剔除操作

（1）未选中状态：

（2）选中状态：

8. 剔除按钮

第一步先点击剔除按钮时，对“候选中继器”VIEW字段=1的进行标记。

第二步对“候选中继器”进行筛选，只对view=1的数据显示，并排除其他筛选。

第三步对已选中继器中选中状态的行进行删除。

这样子，就完成了我们上面用原生AXURE的中继器来实现穿梭框组件，实现多项选择和剔除等交互操作。

原型地址：https://0571pm-1255625528.cos.ap-shanghai.myqcloud.com/html/%E7%A9%BF%E6%A2%AD%E6%A1%86/index.html

本文由 @华宇 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

器之心报道

机器之心编辑部

性能比 GPT-4 强很多。

大模型的纯文本方向，已经卷到头了？

刚刚，OpenAI 最大的竞争对手 Anthropic 发布了新一代 AI 大模型系列 ——Claude 3。

该系列包含三个模型，按能力由弱到强排列分别是 Claude 3 Haiku、Claude 3 Sonnet 和 Claude 3 Opus。其中，能力最强的 Opus 在多项基准测试中得分都超过了 GPT-4 和 Gemini 1.0 Ultra，在数学、编程、多语言理解、视觉等多个维度树立了新的行业基准。

Anthropic 表示，Claude 3 Opus 拥有人类本科生水平的知识。

在新模型发布后，Claude 首次带来了对多模态能力的支持（Opus 版本的 MMMU 得分为 59.4%，超过 GPT-4V，与 Gemini 1.0 Ultra 持平）。用户现在可以上传照片、图表、文档和其他类型的非结构化数据，让 AI 进行分析和解答。

<script src="https://lf6-cdn-tos.bytescm.com/obj/cdn-static-resource/tt_player/tt.player.js?v=20160723"></script>

此外，这三个模型也延续了 Claude 系列模型的传统强项 —— 长上下文窗口。其初始阶段支持 200K token 上下文窗口，不过，Anthropic 表示，三者都支持 100 万 token 的上下文输入（向特定客户开放），这大约是英文版《白鲸》或《哈利?波特与死亡圣器》的长度。

不过，在定价上，能力最强的 Claude 3 也比 GPT-4 Turbo 要贵得多：GPT-4 Turbo 每百万 token 输入 / 输出收费为 10/30 美元 ；而 Claude 3 Opus 为 15/75 美元。

Opus 和 Sonnet 现可在 claude.ai 和 Claude API 中使用，Haiku 也将于不久后推出。亚马逊也第一时间宣布新模型登陆了 Amazon Bedrock。以下是 Anthropic 发布的官方 demo：

视频链接：https://mp.weixin.qq.com/s/UOx_ooKXZkHtPV9rpY3_4w

有人说，Claude 3 Sonnet 解出了一道此前只有 GPT-4 才能解开的谜题。

不过，也有人表示，在实际体验方面，Claude 3 并没有彻底击败 GPT-4。

Claude 3 系列模型

Claude 3 系列模型的三个版本分别是 Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku。

其中 Claude 3 Opus 是智能程度最高的模型，支持 200k tokens 上下文窗口，在高度复杂的任务上实现了当前 SOTA 的性能。该模型能够以绝佳的流畅度和人类水平的理解能力来处理开放式 prompt 和未见过的场景。Claude 3 Opus 向我们展示了生成式 AI 可能达到的极限。

Claude 3 Sonnet 在智能程度与运行速度之间实现了理想的平衡，尤其是对于企业工作负载而言。与同类模型相比，它以更低的成本提供了强大的性能，并专为大规模 AI 部署中的高耐用性而设计。Claude 3 Sonnet 支持的上下文窗口为 200k tokens。

Claude 3 Haiku 是速度最快、最紧凑的模型，具有近乎实时的响应能力。有趣的是，它支持的上下文窗口同样是 200k。该模型能够以无与伦比的速度回答简单的查询和请求，用户通过它可以构建模仿人类交互的无缝 AI 体验。

接下来我们详看一下 Claude 3 系列模型的特性和性能表现。

全面超越 GPT-4，实现智能水平新 SOTA

作为 Claude 3 系列中智能水平最高的模型，Opus 在 AI 系统的大多数评估基准上都优于竞品，包括本科水平专家知识（MMLU）、研究生水平专家推理（GPQA） 、基础数学（GSM8K）等基准。并且，Opus 在复杂任务上表现出接近人类水平的理解力和流畅度，引领通用智能的前沿。

此外，包括 Opus 在内，所有 Claude 3 系列模型都在分析和预测、细致内容创建、代码生成以及西班牙语、日语和法语等非英语语言对话方面实现了能力增强。

下图为 Claude 3 模型与竞品模型在多个性能基准上的比较，可以看到，最强的 Opus 全面优于 OpenAI 的 GPT-4。

近乎实时响应

Claude 3 模型可以支持实时客户聊天、自动补充和数据提取等响应必须立即且实时的任务。

Haiku 是智能类别市场上速度最快且最具成本效益的型号。它可以在不到三秒的时间内读完一篇包含密集图表和图形信息的 arXiv 平台论文（约 10k tokens）。

对于绝大多数工作，Sonnet 的速度比 Claude 2 和 Claude 2.1 快 2 倍，且智能水平更高。它擅长执行需要快速响应的任务，例如知识检索或销售自动化。Opus 的速度与 Claude 2 和 2.1 相似，但智能水平更高。

强大的视觉能力

Claude 3 具有与其他头部模型相当的复杂视觉功能。它们可以处理各种视觉格式数据，包括照片、图表、图形和技术图表。

Anthropic 表示，它们的一些客户 50% 以上的知识库以各种数据格式进行编程，例如 PDF、流程图或演示幻灯片。因此，新模型强大的视觉能力非常有帮助。

更少拒绝回复

以前的 Claude 模型经常做出不必要的拒绝，这表明模型缺乏语境理解。Anthropic 在这一领域取得了有意义的进展：与前几代模型相比，即使用户 prompt 接近系统底线，Opus、Sonnet 和 Haiku 拒绝回答的可能性明显降低。如下所示，Claude 3 模型对请求表现出更细致的理解，能够识别真正的有害 prompt，并且拒绝回答无害 prompt 的频率要少得多。

准确率提高

为了评估模型的准确率，Anthropic 使用了大量复杂的、事实性问题来解决当前模型中的已知弱点。Anthropic 将答案分为正确答案、错误答案（或幻觉）和不确定性回答，也就是模型不知道答案，而不是提供不正确的信息。与 Claude 2.1 相比，Opus 在这些具有挑战性的开放式问题上的准确性（或正确答案）提高了一倍，同时也减少了错误回答。

除了产生更值得信赖的回复之外，Anthropic 还将在 Claude 3 模型中启用引用，以便模型可以指向参考材料中的精确句子来证实回答。

长上下文和近乎完美的召回能力

Claude 3 系列型号在发布时最初将提供 200K 上下文窗口。然而，官方表示所有三种模型都能够接收超过 100 万 token 的输入，此能力会被提供给需要增强处理能力的特定用户。

为了有效地处理长上下文提示，模型需要强大的召回能力。Needle In A Haystack（NIAH）评估衡量模型可以从大量数据中准确回忆信息的能力。Anthropic 通过在每个提示中使用 30 个随机 Needle/question 对在不同的众包文档库上进行测试，增强了该基准的稳健性。Claude 3 Opus 不仅实现了近乎完美的召回率，超过 99% 的准确率。而且在某些情况下，它甚至识别出了评估本身的局限性，意识到「针」句子似乎是人为插入到原始文本中的。

安全易用

Anthropic 表示，其已建立专门团队来跟踪和减少安全风险。该公司也在开发 Constitutional AI 等方法来提高模型的安全性和透明度，并减轻新模式可能引发的隐私问题。

虽然与之前的模型相比，Claude 3 模型系列在生物知识、网络相关知识和自主性的关键指标方面取得了进步，但根据研究，新模型处于 AI 安全级别 2（ASL-2）以内。

在使用体验上，Claude 3 比以往模型更加擅长遵循复杂的多步骤指令，更加可以遵守品牌和响应准则，从而可以更好地开发可信赖的应用。此外，Anthropic 表示 Claude 3 模型现在更擅长以 JSON 等格式生成流行的结构化输出，从而可以更轻松地指导 Claude 进行自然语言分类和情感分析等用例。

技术报告里写了什么

目前，Anthropic 已经放出了 42 页的技术报告《The Claude 3 Model Family: Opus, Sonnet, Haiku》。

报告地址：https://www-cdn.anthropic.com/de8ba9b01c9ab7cbabf5c33b80b7bbc618857627/Model_Card_Claude_3.pdf

我们看到了 Claude 3 系列模型的训练数据、评估标准以及更详细的实验结果。

在训练数据方面，Claude 3 系列模型接受了截至 2023 年 8 月互联网公开可用的专用混合数据的训练，以及来自第三方的非公开数据、数据标签服务商和付费承包商提供的数据、Claude 内部的数据。

Claude 3 系列模型在以下多个指标上接受了广泛的评估，包括：

• 推理能力
• 多语言能力
• 长上下文
• 可靠性 / 事实性
• 多模态能力

首先是推理、编程和问答任务上的评估结果，Claude 3 系列模型在一系列推理、阅读理解、数学、科学和编程的行业标准基准上与竞品模型展开了比较，结果显示不仅超越了自家以往模型，还在大多数情况下实现了新 SOTA。

Anthropic 在法学院入学考试 (LSAT) 、多州律师考试 (MBE)、美国数学竞赛 2023 年数学竞赛和研究生入学考试 (GRE) 普通考试中评估了 Claude 3 系列模型，具体结果如下表 2 所示。

Claude 3 系列模型具备多模态（图像和视频帧输入）能力，并且在解决超越简单文本理解的复杂多模态推理挑战方面取得了重大进展。

一个典型的例子是 Claude 3 模型在 AI2D 科学图表基准上的表现，这是一种视觉问答评估，涉及图表解析并以多项选择格式回答相应的问题。

Claude 3 Sonnet 在 0-shot 设置中达到了 SOTA 水平 —— 89.2%，其次是 Claude 3 Opus（88.3%）和 Claude 3 Haiku（80.6%），具体结果如下表 3 所示。

针对这份技术报告，爱丁堡大学博士生符尧在第一时间给出了自己的分析。

首先，在他看来，被评估的几个模型在 MMLU / GSM8K / HumanEval 等几项指标上基本没有区分度，真正需要关心的是为什么最好的模型在 GSM8K 上依然有 5% 的错误。

他认为，真正能够把模型区分开的是 MATH 和 GPQA，这些超级棘手的问题是 AI 模型下一步应该瞄准的目标。

与 Claude 之前的模型相比，改进比较大的领域是金融和医学。

视觉方面，Claude 3 表现出的视觉 OCR 能力让人看到了它在数据收集方面的巨大潜力。

此外，他还发现了其他一些趋势：

从目前的评测基准和体验看来，Claude 3 在智能水平、多模态能力和速度上都取得了长足的进步。随着新系列模型的进一步优化和应用，我们或许将看到更加多元化的大模型生态。

博客地址：https://www.anthropic.com/news/claude-3-family

参考内容：https://www.cnbc.com/2024/03/04/google-backed-anthropic-debuts-claude-3-its-most-powerful-chatbot-yet.html

https://www.aboutamazon.com/news/aws/amazon-bedrock-anthropic-ai-claude-3

者按：学习不是靠时间来堆砌的，有好的学习方法，会让你事半功倍。本文译自Medium，作者Amardeep Parmar，原标题为" 10 Proven Ways to More Effective Learning "，希望对您有所启发。

对不起，我可能是那种你会讨厌的人。因为我学东西总是很快，当别人为考试临时抱佛脚时，我总是无忧无虑。年轻的我可能有点太自以为是了。但人们没有看到的是，我在很早以前就已经投入了大量的时间去做对我有用的事，而且做得很好。

直到几年后，我参加了一个介绍学习方法的在线课程，发现自己当时是多么的幸运，我用到了其中的一些高效学习方法。该课程的专家们推荐了以下10条由神经科学和心理学支持的建议。同时，我也谈了我使用这些技巧的个人经验。

图片来源：Photo by Victoria Priessnitz on Unsplash

# 1. 回忆，不要只是阅读

回忆信息比单独阅读更有效。然而，人们在网上观看视频或阅读书籍时，却很少会用自己的语言进行复述，这种现象很普遍。我们这样做是因为我们的大脑感觉这样更容易，但这是浮于表面的，因为仅仅阅读并不能帮助创建新的神经通路。

我曾一直在看YouTube上关于某个话题的视频，并告诉自己我很有效率，没有拖延，坚持学习。但是，几天后我不能说出我从视频中学到的东西。

现在，每当我学到新东西时，我总是试图用自己的话来解释这些信息。这在大学的学习中很管用，我发现在工作中更重要。

一些训练课程方式是整节课听一个人讲话，就好像我们的大脑只是吸收这些话并储存在长期记忆中。在这种情况下，我会复述老师的内容给老师听，这迫使我的大脑更加努力工作，更加活跃。

# 2. 不断测试自己

我把考试重新定义为学习的机会。我不期望自己尽善尽美，也不希望从挑战中得到乐趣。

犯错会让人不舒服，这也是为什么我们的大脑会把诱导我们到更愉快的活动上，比如被动阅读。我知道，有些人会喜欢直到学习快结束的时候才会测试自己，因为他们怕中途受到打击。这种想法意味着你要很久以后才能发现自己的弱点。

最成功的语言学习者会让自己处于非母语环境中，他们会经历很多失败，但是克服恐惧让他们有机会更快地成长。斯科特·杨用了一年的时间学习了汉语、西班牙语、韩语和巴西语。

如果你把肾上腺素的增加看作是兴奋而不是恐惧，你就可以启动这个正反馈循环。确切地知道自己的进展比胡乱猜测要好。

# 3. 将概念分块记忆

当你学习新东西的时候，你有很多细碎的需要记住的信息。您可能需要提示来记住一个5步流程中的每一步是什么。

随着时间的推移，为了加快学习速度，你需要把测试提高一个级别。你可以先简单回想一下这5个简单的名字，之后回忆所有相关的流程。

这样做的目的是将提示慢慢减少到最低水平。一开始，我会试着回忆我所记得的关于一个主题的所有事情，然后检查课本，看看我漏掉了什么。当考试结束的时候，我可以在一张纸上回忆起整个模块的要点。在考试的前夕，我可以写下关于一个主题的所有内容。

这不是一件容易的事，但把它作为一个明确的目标，并及早开始，这是一种本能。

# 4.间隔性重复

死记硬背能让你一周后记住多少?

有两种学习方式：死记硬背或者深入了解。

如果你希望这些信息在将来对你有用，那么你必须经常重复这些信息。

图片来源：Photo by Benjamin Lambert on Unsplash

把你的记忆想象成在茂密的雨林中的一个地方。如果你只去了一天，然后在那里待了一整天，那你只是勉强完成了一次艰难的旅程。但如果你每天坚持一小段时间，杂乱的植物就会慢慢被清除。最后，你需要去那里的次数越来越少，也能保持路径依稀可辨。

现在有一种趋势，人们想要一年读几百本书。我不喜欢这样。除非你有非凡的记忆力，否则这是浪费时间。

如果两周后你什么都想不起来，你就不能说你读过。少看点书，经常复习你看过的东西，这是个更好的选择。

我宁愿一年只知道10本书的内容，也不愿只知道200本书的标题。

学习一段时间，让你的大脑消化信息，创建有效的神经通路。

# 5.用不同类型的问题检查自己

如果你总是用同样的方法来检查你学习的东西，那么你只是在某个方面会变得更好。

当你学习一门语言时，如果你只通过做抽认卡来测试自己，那你就很难全面了解这门语言。

要想在一个领域有真正的能力，你需要能够接受不同的挑战。

当我学习Javascript的时候，我用了两门不同的课程来实现更多的东西。我尝试发现新的和有趣的问题来测试我的技能。

这就是为什么许多人发现从学习一项技能到应用一项技能的转变是如此困难。他们对一小部分不反映现实的问题过于自信。

用不同的方法来练习你所学的东西，看看你是否已经记住了或者你是否理解了。

# 6.休息

“疯狂就是一遍又一遍地做同一件事，却期望得到不同的结果。”——爱因斯坦（Albert Einstein）

当你觉得不再有效率的时候，休息一下!出去散散步，呼吸一下新鲜空气。

当我们不积极地专注于一个话题时，其实我们的大脑仍在后台进行处理。散步回来后，再重新审视这个问题，你会发现又有了新的生机。

# 7.把你知道的教给别人

这是迄今为止我用过最有效的方法。我会比大多数人更早开始学习，这意味着我经常能够帮助别人学习知识。

当我学到一些东西时，我喜欢用它并把它教给别人。有时，我会很难解释一个概念，这虽然会让我感到沮丧，但同时给了我动力去回顾和刷新我的记忆。

我喜欢把我学到的东西与其他领域联系起来。如果你对汽车很熟悉，那么你就可以把其他领域的新概念与汽车的部件或功能联系起来。你所了解的领域越多，就越容易做到这一点。

向别人解释的时候，他们会问一些你从未想过的问题，暴露出你理解上的漏洞。

# 8.聚焦

我是番茄工作法的超级粉丝。我会在一段25分钟的时间内紧张工作，没有任何干扰，然后休息一段时间。学习时不要试图同时处理多项任务，因为我们并不擅长这样。

我很少长时间工作。我可以以90%的效率工作6个小时，完成更多的工作，而不是以30%的效率工作12个小时。这给了我更多休息的时间。

我有一个简单的奖励系统，如果我努力工作，我会奖励自己看电影或出去锻炼。

图片来源：Photo by Andreas Klassen on Unsplash

我有一些朋友，他们整天整夜地把自己关起来，每天“学习”16个小时。但大部分时间都在发呆。当他们决定要工作这么长时间时，或许他们的效率目标就松懈了。

# 9.先做困难的事情

吃青蛙听起来没什么意思。青蛙是重要的事情，我们需要做，但不是紧急的。这可能意味着他们总是被推到紧急但不重要的项目!

我有一种非传统的学习方法，我倾向于在一天的开始和结束时学习，把中午留给自己。这样我就不必连续学习8小时。

我在一天的开始做最困难的事情，那时大多数人都在睡觉，没什么事情发生。我晚上休息得很好，也很有动力。晚上更多的是关于大局的想法和回忆。

我们的大脑就像肌肉。去健身房的人都知道，当你的身体疲惫不堪时，你不会愿意去做最困难的运动。

短时间的热身可能会起作用，但把疲惫的大脑推向更加疲惫可能会让你想睡觉，而不是更有精神。

# 10.想象成功

想象力很重要，当我作为国家空手道队的一员参加比赛时，我非常强调形象化。想象你自己正在使用你所学的技能。如果你是为了生意而学习普通话，想象一下用普通话达成交易时的喜悦。如果你正在学习如何烘焙，想象一下，当你看到孩子在吃完你的蛋糕后开心时的喜悦。

你内心的积极情绪越强烈，你就越有动力去学习。

我从不怀疑我能够学习一个新的领域，这种自信比什么都重要。如果你不相信自己可以掌握一项技能，那么任何提示或技巧都不能让你达到你想要达到的目标。

总结

我们已经介绍了10种提高学习效率的方法。这些想法来自教学专家芭芭拉·奥克利，我在自己的生活中通过使用这些方法取得了巨大的成果。

1. 回忆，不要只是阅读——阅读材料更容易，但不会产生更深层次的回忆神经通路。

2. 不断地测试你自己——测试让我们知道自己的知识在哪些地方欠缺，哪些地方需要集中注意力。

3. 将概念分块记忆——一次性记住一个主题所有内容是非常困难，我们需要分块记忆，并创建项目之间的链接，让回忆更快。

4. 间隔性重复——学习一段时间，让你的大脑消化信息，创建有效的神经通路。

5. 轮换不同类型的问题——用不同的方法来检验你所学的东西，看看你是否已经记住了或者你是否理解了。

6. 把你知道的教给别人——能够教给别人表明你有很强的理解力，同时这也可以暴露你不知道的东西。

7. 休息——你的大脑就像一块肌肉，需要时间来恢复。

8. 集中注意力——尝试一下番茄工作法，在一定期间进行高强度的学习。

9. 啃下硬骨头——在你头脑最清醒的时候，先做最难的事情。

10.想象成功——自信是最重要的，你要想象当你把学到的东西付诸实践时你的感受。

译者：Jane