文章列表-AI魔法学院

文章列表

StreamingLLM 框架：利用最新标记让 AI 记住你的话、创作长篇小说，探索无限长度文本

同时研究发现，在预训练期间添加一个占位符令牌作为专用的注意力汇可以进一步提高流式部署的性能。

大模型 llm框架

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

以前，智能玩具里只能播放预设的程序和声音，顶多就是进行一两轮简单提问，你可以理解成是“单向输出”，现在有了这个 openAI 的实时语音软件开发包，就变成了“双向交互”，能和你进行实时的语音对话。

OpenAI 嵌入式实时语音 SDK

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

MaskGCT是一个两阶段模型：在第一阶段，模型使用文本预测从语音自监督学习（SSL）模型中提取的语义标记；在第二阶段，模型基于这些语义标记预测声学标记。

MaskGCT 声音克隆

七问大模型幻觉｜LLM Hallucination

训练与实际应用中的解码差异：在常见的训练方法中，我们鼓励模型基于真实数据预测下一个词汇。

大模型

国内外开源大语言模型一览表

这导致中文金融领域现有的预训练语言模型在不同的任务集合上进行评测，难以相互比较，阻碍了中文金融领域PLM性能的快速提升。

大模型

全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前狙击GPT-5，3秒读懂万字论文理解力接近人类

Claude 3系列模型在分析预测、创建细微内容、代码生成，以及用西班牙语、日语、法语等非英语语言交流的能力上都实现了显著进步。

claude 大模型

中文开源OCR框架对比及介绍

可以看到基本pipeline的流程还是基于常见的预处理、crnn识别等。

OCR

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

python3 app.py # Step4: 点击生成的URL即可访问web页面，上传照片开始训练和预测 1.

妙鸭相机

Learn Prompting-基础篇

人工智能还可以用于预测，并提高效率和准确性。

prompt

RAG 2.0来了，它能成为生产落地的福音吗？

因此，RAG 系统很少能通过生产测试，投入生产的寥寥。

RAG 大模型

baichuan2 有什么好的深挖论文中涉及的知识点

然后，我们描述了预训练数据和数据处理方法。

大模型

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

(1) token 化器的训练步骤涉及到复杂繁琐的计算，比如多次遍历整个预训练数据集，并且还会导致对预训练数据集的依赖，这在多语言环境中是个尤其麻烦的问题。

开源模型

Stable Diffusion

全网最全AI绘画Stable Diffusion关键技术解析

· VAE详细文章 UNet架构 UNet主要通过其跨尺度的上下文学习和精确的像素预测，提供了高质量和高分辨率的图像生成能力

Stable Diffusion 文生图

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

几种常用Rerank组合评测；如何在自己的产品中使用Rerank？

RAG 检索增强

十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents

在这种情况下，当ML模型难以预测某些实例时，将这些实例交给单个人类专家可能是有优势的。

开源模型

<...14 15 16 171819 20 21 22 23 ...>

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