文章列表-AI魔法学院

文章列表

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

论文链接：https://arxiv.org/pdf/2311.07919.pdf 开源代码：https://github.com/QwenLM/Qwen-Audio 引言大型语言模型（LLMs

大模型语音

为什么说数智化可以帮助中小企业降本增效 ?

二、一例安全事件引发的思考昨天我看到一则消息，开源代码编辑器 Notepad++ 发布 8.5.7 版，修复了此前被研究人员爆出的多个安全漏洞。

大模型

LLM大模型推理输出生成方式总结

当num_return_sequences参数设置大于1时，代码会报错，说greedy search不支持这个参数大于1 Beam-search 方式：每一时间步选择num_beams个词，并从中最终选择出概率最高的序列

大模型

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

这种对视频和图像原有特征的深入洞察和保留，代表了在生成模型领域的一大进步。

Sora 微软

Langchain中改进RAG能力的3种常用的扩展查询方法

, } 下面代码演示了如何使用Langchain进行Step Back Prompting #---------------------Prepare VectorDB--------------

检索增强生成 Langchain

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

ViTPose和ViTPose+的性能和速度对比图，圆圈大小代表了模型大小近年来，视觉transformer在多个视觉领域展现出了极佳的性能。

ViTPose+Transformer 身体姿态

AutoGPT与LLM Agent解析

尤其在代码生成场景中这个动作非常重要，否则无法实现长代码的生成和执行。

大模型

2024年值得关注的Agent框架

论文链接： https：//arxiv.org/abs/2304.04370 github链接： https://github.com/openAGI TaskWeaver: 是一个以代码为先的框架

Agent 框架

Comfyui工作流原理你都了解吗

每个节点代表一个Stable Diffusion相关的模型或功能，节点之间通过连线传递图片信息。

Comfyui 工作流

三个大模型（ChatGPT,文心一言,Baichuan-13B)，帮我生成中医《本草纲目》的训练数据

代码逻辑这么简单，我就不写了，让大模型帮我写：）一、三个大模型的生成代码体验 1、ChatGPT3.5：试了下，OK，运行成功，找到了关键的行。

大模型

OCRmyPDF—可智能识别PDF文本和图片信息的工具

此许可允许将OCRmyPDF与其他代码（包括商业和封闭源代码）集成，但要求您发布对OCRmyPDF所做的源代码级修改。

OCRmyPDF 工具

高级 RAG 技术——图解概览

方案中的绿色部分代表我们将重点讨论的核心 RAG 技术，而蓝色部分则是文本。

RAG 检索图解

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

项目主页-https://fun-audio-llm.github.io/ 代码链接-https://github.com/FunAudioLLM/ 论文链接-https://arxiv.org

asr tts 声音

prompt必须知道的26条军规

23、当你有一个可能在不同文件中的复杂编码提示时：“从现在开始，每当你生成跨多个文件的代码时，生成一个[编程语言]脚本，可以运行该脚本以自动创建指定文件或对现有文件进行更改以插入生成的代码。

prompt 大模型

【语音识别】OpenAI语音力作Whisper

然后，transformer 编码器对声谱图进行编码，生成一系列编码器隐含状态。

语音转文字 whisper

<...20 21 22 232425 26 27 28 29 ...>

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