文章列表-AI魔法学院

文章列表

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

DALL-E 2的这种两阶段的方案的一个是优势是第二阶段只需要纯图像数据来训练图像生成模型，而且采用CLIP image embedding作为条件比直接用文本训练模型更容易一些。

Kandinsky-3 文生图开源模型

MCP服务介绍及应用场景报告-来自Manus

开发效率问题在MCP出现之前，开发者需要为每个AI模型和每个数据源或工具编写特定的集成代码，这不仅耗时耗力，还难以维护和扩展。

MCP 大模型

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

这个过程开始于一种特殊的数据库，我们可以称之为“垂直领域数据库”。

OCR RAG 开源

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

我们的模型只需要使用视听同步数据集进行训练。

VividTalk 视频

低调的PDF，为什么成了数字文档“永远的神”？

这一系列邮件往来为司法调查提供了实锤，也成了最终给他定罪的关键证据之一。

工作

从零开始学习大模型-第一章-大模型简介

这些模型通过在大规模数据集上进行训练，能够学习到丰富的数据表示和模式，从而在各种任务上表现出色，如文本生成、语言理解、图像识别等。

大模型从零开始

20个常见AI绘画工具大汇总（含免费版哦~）

AI绘画通常利用深度学习算法、神经网络[1]和已有的数据集[2]，如生成对抗网络（Generative Adversarial Networks，GANs）[3]和神经风格迁移[4]等技术，来学习和理解绘画的特征

文生图

24年首篇离奇论文：加点噪声，RAG效果翻倍？！

与传统的大型语言模型相比，RAG系统通过引入外部数据提高了其生成能力。

RAG 检索论文

一款构建AI数字人项目开源了！自动实现音视频同步！

它不仅可以让嘴型与声音同步，还可以根据声音改变视频中人物的表情。

AI数字人音视频同步

金融行业中 Fintech 的应用场景

高盛集团就曾经说过他们是一家科技公司，摩根大通也会占有了 1/3 以上的数据分析师，而且他们也希望员工加班加点的去学习数据分析的课程。

Fintech 金融

GitHub星数暴涨，AIPC的开源实现，用AI记录电脑一整天的使用太简单了，功能非常多！

AIPC是微软提出的概念，实际上就是把AI功能集成到电脑里，改变、重塑电脑的使用体验。

AIPC ScreenPipe 开源

Stable Diffusion

万字长篇！超全Stable Diffusion AI绘画参数及原理详解

它的一般步骤为： · 步骤1：噪声预测器根据潜在图像估计噪声图像。

文生图

GitHub本月榜单：一个数字人技术的“非官方”实现

本月GitHub榜单有一个“非官方实现”数字人，太牛了 github地址 https://github.com/guoqincode/AnimateAnyone-unofficial 看看效果实时动图

AnimateAnyone 人工智能

微信向量检索分析一体化数仓探索：OLAP For Embedding

，各大数据库厂商和资本争相涌入：如果说 LLM 是容易失忆的大脑，向量数据库就是海马体: 一方面，LLM 能浏览专用数据与知识，解决 Hallucination 的问题使回答更精准；另一方面，LLM

OLAP For Embedding 一体化数仓

Meta无限长文本大模型来了：参数仅7B，已开源

ii) 对于不同的任务、数据类型，最终的 MEGA 架构可能存在架构差异，例如，不同的归一化层、归一化模式和注意力函数 f (・) 。

Meta 长文本大模型

<...7 8 9 101112 13 14 15 16 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1