文章列表-AI魔法学院

文章列表

谈Agent构建平台的设计

其实我们身边有不少不错的low-code产品/生态，例如：【兼容SQL标准的数据库】开发者可以自己读写文件来管理数据，甚至可能比调用DB Client和写SQL还要简单。

Agent 构建

惊艳！2.77亿参数锻造出Agent+GPT-4V模型组合，领航AI领航机器人、游戏、医疗革新，通用智能时代你准备好了吗？

2.77亿参数、1340万帧视频训练数据，背后蕴含着怎样的技术秘密？

Agent+GPT-4V 大模型

SD3 正式开源 Sora同源架构

2月16日伴随着OpenAI世界大模型Sora的发布，stability_ai也发布了其最新的模型Stablediffusion3,如果说一个是音视频方向，

SD3 绘画

学会这招，一个头像变100种风格！

在 Mijdourney 里，如何根据一张图随意切换风格？

Remix 文生图

RAG从入门到精通-RAG简介

其核心手段是利用外挂于LLM的知识数据库（通常使用向量数据库）存储未在训练数据集中出现的新数据、领域数据等。

rag 大模型

Flowith：革新你的工作方式，体验节点式 AI 的超流畅生产力

在数字化时代，我们每天都在与海量信息打交道。

Flowith GPT 生产力工具

语音识别的未来已来：深入了解faster-whisper的突破性进展

faster-whisper的核心优势在于其能够在保持原有模型准确度的同时，大幅提升处理速度，这使得它在处理大规模语音数据时更加高效。

语音识别 Faster-Whisper

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

一种标准做法是将信息的 embedding 保存到向量存储数据库中，该数据库支持快速最大内积搜索（Maximum Inner Product Search，MIPS）。

agent

TTS，一个奇妙的AI工具

在自媒体盛行的今天，很多人尝试制作视频发到自媒体平台上，通过获得流量的方式实现直接或间接变现。

TTS 文本转语音

谈谈RAG存在的一些问题和避免方式

因此，如果块大小太小或块中的信息不够密集，我们可能无法从向量数据库中提取所有必要的信息。

RAG 大模型

深入浅出：大语言模型中必不可少的技术——Embedding简介

首先，你可以基于这个PDF来创建向量embedding，并在数据库中存储（当前已经有一些很不错的向量数据库了，如Pinecone）。

embedding

企业如何更好的使用大模型？都有哪些框架和方案

第三种是围绕向量数据库打造企业的知识库，基于大模型和企业知识库再配合Prompt打造企业专属AI应用。

人工智能大模型

GTC大会黄仁勋发言稿

会有大量的科学、算法、计算机架构、数学等内容。

黄仁勋 nvidia

手把手教你本地部署清华大学KEG的ChatGLM-6B模型——Windows+6GB显卡版本和CPU版本的本地部署

ChatGLM-6B是清华大学知识工程和数据挖掘小组发布的一个类似ChatGPT的开源对话机器人，由于该模型是经过约1T标识符的中英文训练，且大部分都是中文，因此十分适合国内使用。

提示词 prompt chatgpt

秒懂AI-深度学习五大模型：RNN、CNN、Transformer、BERT、GPT简介

卷积层可以提取图像中的局部特征，而池化层则可以减少特征的数量，提高计算效率。

大模型学习

<...21 22 23 242526 27 28 29 30 ...>

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