文章列表-AI魔法学院

文章列表

清华大学ChatGLM团队发布AI Agent能力评测工具AgentBench：GPT-4是全能战士，超越所有模型

· · 工具使用（Tool Use）：AI Agent学会调用外部API以获取模型权重中缺少的额外信息（在预训练后通常难以更改），包括当前信息、代码执行能力、对专有信息源的访问等

GPT-4

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

CMU | 提出推理时对齐方法论文：https://arxiv.org/pdf/2410.20290 大模型训练主要包括两个部分，分别为Pre-Training 和 Post-Training

大模型研究

一键AI换脸！小红书和北大合作的InstantID

InstantID 的工作原理可分为三个关键部分： ID Embedding：团队利用预训练的面部识别模型代替 CLIP 来提取语义人脸特征，并使用可训练的投影层，将这些特征映射到文本特征空间，形成

InstantID 文生图

基于Ollama本地部署谷歌开源Gemma大模型！

这次发布的Gemma不仅仅只有2B 和 7B这两种规模，实际上是发布了Gemma系列（经过预训练的变体和指令优化的变体，大大小小50多种），Gemma 模型非常适合各种文本生成任务，包括问答、总结和推理

ollama gemma qwen

SD入门教程七：ControlNet篇-Canny边缘检测预处理器

ControlNet 1.1模型支持基于SD1.5、2.1训练的大模型上。

Canny SD

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

这样可以加快训练速度，提高推理效率！

MoE 专家混合模型

比真人还像真人！字节跳动PersonaTalk的黑科技有多强大？

快速适配多场景，让配音更灵活传统的AI配音技术通常需要针对特定人物进行大量数据训练，而PersonaTalk则不然，它无需为每个人物单独训练，便能适应不同的人物角色和场景，显著提高了使用的便捷性和灵活性

PersonaTalk 视频

十大开源语音识别项目

它在大量多样化的音频数据集上进行训练，作为一个多任务模型，可以执行多语言语音识别、语音翻译和口语识别。

语音识别开源项目

惊艳推荐！8款好用又免费的文本转语音TTS工具

提供了多种不同的声音库，这些声音库通常基于真实声优的声音进行训练和模拟，使得生成的语音既自然又具有表现力。

TTS Maker 语音

【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

而从集成角度，在LLM出现之前，我们构建一个基于自然语言交互的AI应用，可能面临繁琐的配置与训练过程，而最后的效果却不如人意，以训练一个简单的天气查询机器人来说，其流程可能是这样的：而现在，我们可以利用大模型轻松构建自然语言的交互界面

大语言模型

为什么国产大模型都说超越ChatGPT而体验却很拉？警惕 Goodhart law 陷阱

这时候，各家大模型就可以针对这些模型，进行专门的训练，就可能会出现在测试集上表现很好，但可能在现实世界的其他应用场景中表现不尽人意。

ChatGPT 国产大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

传统上，训练强化学习代理需要大量的样本和长时间的训练，且缺乏泛化能力。

大模型

深入浅出：大语言模型中必不可少的技术——Embedding简介

这些算法可以通过训练神经网络或使用矩阵分解等技术来学习单词的嵌入表示。

embedding

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

LLM) 构建的产品（例如 OpenAI 的 ChatGPT 和 Anthropic 的 Claude）非常出色，但也存在缺陷：它们的数据集是静态的——大语言模型在静态数据集上进行训练

检索增强生成大语音模型

大模型量化：什么是模型量化，如何进行模型量化

举例：模型训练后权重或激活值往往在一个有限的范围内分布，如权重值范围为[-2.0, 6.0]，即Tmax = 6.0，Tmin = -2.0（非饱和量化）。

大模型

<...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