文章列表-AI魔法学院

文章列表

大模型时代-行业落地的再思考

注意，由于大模型方向发展太快，认知在不断更新迭代，这篇文章只能作为在当下的思考逻辑，随时可能有新的变化。

大模型

AI Comic Factory：AI(连环)漫画生成器

在运行项目之前，需要配置一些变量，如LLM_ENGINE、HF_API_TOKEN等。

生成式AI

确实很神奇! 通过 Prompt 中加入“这件事对我的事业至关重要”这样的情感激励可以提升 LLMs 的表现

尽管大型语言模型(llm)越来越被视为向人工智能迈进的一步，在许多任务中表现出令人印象深刻的表现，但llm是否能够真正掌握心理情绪刺激仍然不确定。

Prompt 大模型情感激励

大模型压缩首篇综述来啦~

MINILLM [Gu等，2023] 深入研究了从白盒生成LLMs进行蒸馏的方法，并选择最小化反向KLD，防止了学生过高估计教师分布中的低概率区域，从而提高了生成样本的质量。

大模型

哈工大科大讯飞联合推出中文LLaMA-2 & Alpaca-2大语言模型

这些模型在原版Llama-2的基础上扩充并优化了中文词表，使用了大规模中文数据进行增量预训练，进一步提升了中文基础语义和指令理解能力，相比一代相关模型获得了显著性能提升。

训练

大模型套壳祛魅：质疑套壳，理解套壳

他预测，未来大模型算法研究必然朝着 Infra 的方向去探索：稀疏化（Sparse Attention、 Sparse GEMM / MoE）将会是 2024 年学术界与工业界的主战场。

大模型套壳

深度好文，Agent盛行前传

在这篇文章里我将借助引用量较高的论文“Reward is enough”并结合近期使用的MindOS（一款以GPT为大模型底层的agent应用

Agent 大模型

玩一玩ChatGLM3，1660s即可流畅运行！

同时，也出现了大量的配套项目，比如运行库，微调，知识库等...

大模型 ChatGLM

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

它主要通过堆叠ID嵌入方式编码任意数量的输入ID图像，以保留ID信息。

PhotoMaker 文生图

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

在人工智能技术日益普及的今天，GPT-4o 的实时语音功能吸引了大量关注。

GPT-4o 语音交互

语音、视频转文字神器：开源whisper介绍

Whisper模型的训练过程非常复杂，需要大量的计算资源和时间。

人工智能大模型 wisper

Stable Diffusion

全网最全AI绘画Stable Diffusion关键技术解析

VAE的编码器可以将图像压缩为潜在空间的向量表示，在潜在空间进行扩散过程，再通过解码器恢复图像，这样可以大大提高计算效率。

Stable Diffusion 文生图

FFmpeg之父新作——音频压缩工具 TSAC

如果使用普通的向量量化器，这就需要最终的码本向量个数为N = 2^80，这显然是不切实际的。

TSAC 音频工具

PymuPDF4llm：PDF 提取的革命

PDF 文件作为一种广泛使用的文档格式，包含着大量有价值的信息。

PymuPDF4llm PDF

解读 Openai 给 DALLE3 设的完整系统提示词

如果用户没有要求生成特定数量的图像，默认创建四个提示发送给dalle，这些提示应尽可能多样化。

提示词绘画 DALLE

<...18 19 20 212223 24 25 26 27 ...>

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