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！

Kandinsky 2.2之后，俄罗斯AI研究团队AI Forever又开源了新的文生图模型Kandinsky-3，这个模型最特别之处时采用了一个超大的text encoder（参数量为8.6B），导致模型总参数达到了

Kandinsky-3 文生图开源模型

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

对模型进行了微调，以提高其在我们基准测试中的性能，并与商业API模型进行了比较。

设计转代码大模型

世界上最流行（github排名高）的开源移动机器人的操作系统ROS开源了！！

总的来说，TurtleBot3是一款功能强大、灵活多变的移动机器人，适用于教育、研究、产品原型和爱好应用等多种场景。

ROS 机器人开源模型

【上篇】深度解析AI大语言模型（LLM）在企业应用的关键技术与典型架构

§ 输出侧：强大的自然语言生成能力大语言模型则在语义理解的基础上，具备了强大的自然语言推理、决策与生成能力，具体表现在文本内容的总结、归纳、整理、对比、摘要、转换、创作、分析等能力与行为

大语言模型

微软打破Decoder-Only架构！大幅降低GPU内存需求，网友：把Llama3 70B弄20GB GPU上运行

总的来说，自解码器和交叉解码器的模块设计与Transformer的解码器层类似，包含交错注意力和前馈网络子层。

Decoder-Decoder YOCO 架构

保姆级教程：Coze 打工你躺平

最近在玩 Coze/扣子发现这事无需代码，人人都行比如，链接丢过去，工作结束，下班！

Coze 教程

来个优秀的开源人脸识别项目！

生物识别技术是一种利用人体自身特征进行身份认证的技术。

人脸识别开源项目

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

以往这一任务需要文本识别、布局检测和排序、公式表格处理、文本清洗等多个步骤—— 这一次，只需一句话命令，多模态大模型 Vary 直接端到端输出结果：无论是中英文的大段文字

OCR 手写文字识别

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

如图1(c)所示，结构生成器负责在较大的时间步长范围内进行早期去噪，特别是在, 其中;这个阶段的重点是建立图像的基本轮廓。

PanGu-Draw 文生图

Sora懂不懂物理世界？

我们真实的视频是会体现真实世界的物理规律，以航行为例这意味着 AI 需要考虑到重力、浮力、碰撞以及船体结构在动态环境中的行为。

文生视频视频生成 sora

揭秘DeepSeek:一个更极致的中国技术理想主义故事

中国的7家大模型创业公司中，DeepSeek（深度求索）最不声不响，但它又总能以出其不意的方式被人记住。

DeepSeek 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！

一句话总结就是：RAG = 检索技术 + LLM提示。

OCR RAG 开源

一个充满多智能体的数字社会正在浮现，商业的底层逻辑已进入重构倒计时

如果我们要提前未来的社会形态如何，未来的商业规律如何，我们必须深刻理解，什么是多智能体，多智能体如何更好地帮助人类实现自动化工作，如何帮助整个社会如何做出更好地发展决策？

大模型

Qwen2.5更新百万超长上下文，推理速度4.3倍加速，网友：RAG要过时了

这不，刚在写代码这事儿上刷新SOTA，Qwen2.5系列又双叒突然更新了—— 一口气读三本《三体》不费事，并且45秒左右就能完整总结出这69万token的主要内容，还真不是糊弄事儿，“大海捞针”实验显示

Qwen2.5 开源模型

大模型训练为什么用A100不用4090

先说结论，大模型的训练用 4090 是不行的，但推理（inference/serving）用 4090 不仅可行，在性价比上还能跟 H100 打个平手。

大模型

<...9 10 11 121314 15 16 17 18 ...>

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