文章列表-AI魔法学院

文章列表

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

为了避免在最终本文提取的时候遗漏这些“看上去像文本的图片”，我在创建过程中需要考虑做一些处理。

大语言模型 python

腾讯 IMA： AI 智能教学新助手

腾讯 IMA（intelligent management assistant，智能管理助手）的出现，为教育教学注入了新的活力与智慧。

腾讯 IMA 智能教学

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

使LLMs能够感知和理解丰富的音频信号以进行音频交互引起了广泛关注。

大模型语音

AI Agent的数字化革命：超越文本，走向自主决策与交互

LLM主要擅长处理和生成文本。

生成式AI

FFmpeg之父新作——音频压缩工具 TSAC

其原理和我们之前介绍的突破压缩极限的AI语音编解码器类似，使用深度学习网络进行压缩，TSAC这里引入Transformer结构来提升性能。

TSAC 音频工具

ChatGPT论文润色进阶指令

GPT-4.0在使用体验上相较于GPT-3.5有显著提升，特别是在逻辑推理方面。

ChatGPT 写作

吴恩达Prompt教程之总结图解

本篇文章是前几篇文章的总结，一图胜千言，所以用如下的思维导图将吴恩达老师Prompt教程进行了梳理。

prompt 教程吴恩达

AI音乐热潮下，“神曲工作室”率先失业

这些尚未解决的问题包括，无法自行重复自己刚刚生成的上一段或副歌；有的时候处理歌词，断句会不太符合语法；无法对已经生成的部分做修改。

音乐音频

大模型训练为什么用A100不用4090

大模型推理为什么 4090 很香推理和训练有什么区别？

大模型

WebUI使用用InstantID，AI换脸完美版

小红书 InstantX 团队公开了论文《 InstantID: Zero-shot Identity-Preserving Generation in Seconds 》和推理代码，他们表示： InstantID

换脸小红书

中文原生文生图大模型来了！腾讯混元推出，Sora 同架构

5月14日，腾讯宣布旗下的混元文生图大模型全面升级并对外开源，目前已在 Hugging Face 平台及 Github 上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费商用。

文生图混元腾讯

使用思维链写Prompt

思维链（CoT），即 Chain of Thought，是一种解决问题的方法，这种方法涉及逐步、逻辑地思考问题，以便更好地理解和解决它。

思维链 prompt

大模型训练工程那些事

“曼哈顿计划（Manhattan Project）是二战期间由美国莱斯利·理查德·格罗夫斯将军领导，美国物理学家罗伯特·奥本海默负责的一项历史性的原子弹研制计划。

训练工程大模型

最强国产开源多模态大模型MiniCPM-V：可识别图片、视频，还可在端侧部署

MiniCPM-V是面向图文理解的端侧多模态大模型系列。

minicpm 面壁

RAT = CoT + RAG

大规模语言模型（LLM）处于此类研究的最前沿，旨在模拟人类对概念的理解和表达。

RAT 协同思维链检索增强生成

<...12 13 14 151617 18 19 20 21 ...>

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