文章列表-AI魔法学院

文章列表

阿里云开源通义千问多模态大模型Qwen-VL，持续推动中国大模型生态建设

Qwen-VL以通义千问70亿参数模型Qwen-7B为基座语言模型研发，支持图文输入，具备多模态信息理解能力。

大模型

了解Kimi必看的26个问题 | Kimi系列文（二）

不能做：绘图、做视频、做音频、做PPT。

Kimi 大语言模型

AI Comic Factory：AI(连环)漫画生成器

此外，还提到了Rendering API用于生成面板图像，以及部署VideoChain和使用其他SDXL API的选项。

生成式AI

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

▲ 图1.

Agent 大模型

新模型Cascade你真的用对了吗？！

之前的sd模型如果想要生成一张1024*1024的图片，在潜空间的编码为128*128，使用的压缩因子为8，可以简单的理解为1024*1024的图片除以8（压缩因子）等于在潜空间的编码大小

Stable Cascade 模型

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

交错的图像-文本输入可以是视觉为中心的，例如带有简短问题或指令的多个图像；或者是文本为中心的，例如带有两个插入图像的长网页；或者是图像和文本的平衡混合。

多模态大模型 GPT-4V 文生图

【重磅推荐】PaddleOCR：超越人眼识别率的AI文字识别神器！

其核心算法经过优化，可高效处理多种字体、字号、字形的文字图像，准确率高达99%以上。

PaddleOCR 文字识别

如何使用ChatGPT进行写作

要使ChatGPT完全遵循你的意图进行创作，需要一个不断优化和试验的过程。

ChatGPT 写作

深度解读｜做出海必看的一份产品报告

前段时间我们分析的 Voiceflow 和经典的小而美 SaaS企业 Calendly 都是 OpenView 被投版图的一部分。

工作

微信向量检索分析一体化数仓探索：OLAP For Embedding

embedding 和 vector search(向量搜索)的概念是支持推荐、问答、图像搜索等功能的核心。

OLAP For Embedding 一体化数仓

评论能力强于GPT-4，上交开源13B评估大模型Auto-J

随着生成式人工智能技术的快速发展，确保大模型与人类价值（意图）对齐（Alignment）已经成为行业的重要挑战。

Auto-J 大模型

Sora物理悖谬的几何解释

比如，我们考察所有自然人脸照片构成的数据集，每个采样点是一张图片，像素的个数乘以3就是原始图像空间的维数。

Sora 解释

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

身体姿态估计旨在识别出给定图像中人或者动物实例身体的关键点，除了典型的身体骨骼关键点，还可以包括手、脚、脸部等关键点，是计算机视觉领域的基本任务之一。

ViTPose+Transformer 身体姿态

如何快速构建GPTs个人知识库应用？

制作过程就像进行一场对话，输入您的指令和额外知识，选择它的功能，例如网页搜索、图像制作或数据分析。

GPTs 知识库

为什么说AI现在还不行！

答案是需要通过图灵测试2.0。

大模型

<...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