文章列表-AI魔法学院

文章列表

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

上下文长度有限上下文长度有限使得 LLM 难以很好地处理长输入，让 LLM 不能很好地助力小说或教科书写作或总结等应用。

开源模型

【万字长文】LLaMA, ChatGLM, BLOOM的参数高效微调实践

FFN通常有两个权重矩阵，先将向量从维度d升维到中间维度4d，再从4d降维到d。

大模型微调训练

Stable Diffusion

硬核解读Stable Diffusion（系列一）

论文进一步将不同的autoencoder在扩散模型上进行实验，在ImageNet数据集上训练同样的步数（2M steps），其训练过程的生成质量如下所示，可以看到过小的（比如1和2）下收敛速度慢，此时图像的感知压缩率较小

StableDiffusion 文生图

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

RAG，小明在实操层面有一些显著的突破，RAG性能应该已经超过了绝大部分目前开源市场上的同类产品，已经可以让我们有一些小小的满意了。

大模型 PostgreSQL

四木测评｜让教父唱《野狼disco》、恶搞《甄嬛传》，火遍全网的阿里明星项目EMO正式开放

当然视频中还是存在“一眼假”的地方，比如完全静止的大海和天空背景、似乎是悬浮在画面上的眉毛、忽大忽小的鼻孔和瞳孔等。

EMO 阿里全民演唱

图解大模型训练之：张量模型并行(TP)，Megatron-LM

其中： · b：batch_size，表示批量大小 · s：sequence_length，表示输入序列的长度 · h：hidden_size，表示每个token向量的维度

开源模型

2023年LLM如何入门？请看这篇综述！

其中一个很浅显而又重要的问题是，为什么LLM会出现新的能力，而较小的PLM不会？

大模型

大规模训练系列之技术挑战

更多的 featuremap 意味着更强的学习能力，因此对比相同结构的小模型，大模型有着更好的精度。

开源模型

AI生成卡通人物项目|VToonify

虽然基于强大的 StyleGAN 模型构建的一系列成功的肖像图像卡通化模型已经被提出，但这些面向图像的方法在应用于视频时存在明显的局限性，如固定帧大小、需要面部对齐、缺失非面部细节和时间不一致性等。

AI生成卡通人物 VToonify

解读wav2lip：探究语音驱动唇部动作的技术原理！

syncNet的两个编码器分别计算音频嵌入和视频嵌入，然后使用最大间隔损失进行训练，最小化匹配的音频-口型对之间的嵌入距离。

wav2lip 语音

自己电脑上跑大语言模型（LLM）要多少内存？

模型精度除了模型参数量，影响模型大小的另一个比较重要的指标是[精度]（precision），一般看到的full precision指的是32bit，half precision指的是16bit，常见的还有

大语言模型运行

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

与全局注意力相比，循环块的主要优势在于它们使用固定的状态大小来总结序列，而 MQA 的 KV 缓存大小则与序列长度成正比增长。

transformer 训练

自动化神器Autolt：不再重复工作

独立且小型 AutoIt 是一个非常小的独立应用程序，不依赖于 .NET 或 VB 等按键和鼠标模拟 Autolt花费了大量时间来优化击键和鼠标模拟功能，以便在所有版本的

RPA 自动

吴恩达Prompt教程之总结图解

GPT的归纳总结能力可以快速提升文章或者资料的阅读速度，甚至可以减少我们70%以上的无效时间第六篇文章，我们主要继续介绍GPT的使用场景，比如说情感分类、文本信息提取、主题推断、文本匹配等等能力。

prompt 教程吴恩达

AI产品经理视角：如何构建人工智能产品

例如，对于内容生成，您可能会发现撰写博客文章 [2] 通常需要 4-5 小时，现在只需 1-2 小时即可完成，并将节省的时间用于其他任务。

大模型产品经理

<...25 26 27 282930 31 32 33 34 ...>

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