文章列表-AI魔法学院

文章列表

2023年LLM如何入门？请看这篇综述！

实例格式化是指将数据实例（如文本、图像、音频等）处理成一种特定的格式，以便它们可以被用于机器学习算法的输入。

大模型

什么是ChatGPT？

比如还有识别类的（Congnition）：人脸识别，车牌识别这些，还有语音识别，文字识别各种识别任务。

ChatGPT OpenAI 大模型

2023检索增强生成技术（RAG）研究进展

7.2、多模态扩展 RAG 的技术和概念正在不断进化，它们将如何扩展到图像、音频、视频或代码等其他数据形式？

RAG 检索增强

人工智能训练的灾难性遗忘以及解决方案

在这个数字化时代，我们每天都在与人工智能（AI）打交道，从智能语音助手到自动驾驶汽车，从智能医疗设备到智能家居，AI已经深入到我们生活的各个角落。

人工智能大模型

PHP提示词技巧，全方位精调ChatGPT复杂任务生成效果！！！

冲突：他与忽视民众需求、专注于自身争论的政府官员发生冲突，试图让政府听到民众的声音。

大模型

图解大模型训练之：张量模型并行(TP)，Megatron-LM

七、实验效果与GPU利用率八、参考顺便，Megatron，变形金刚反派队伍霸天虎首领，现任环球影城脱口秀演员（啊不是），没有它就凸显不出擎天柱们的战绩，没有它就没有变形金刚电影，我曾经的暑假快乐就要少很多

开源模型

垂直领域大模型的思考

虽然2023年以来几乎很多公司都发出了自己的通用大模型，但是都还停留在“开放闲聊”阶段，这种泛娱乐的方式是不能带来实际生产力的。

垂直领域大模型

FaceFusion参数详解

（2.3.1）Source 指定一个或多个源图像/音频（音频用于嘴型同步）用法: -s 或者 --source 比如: --source image1.jpg --source

FaceFusion 文生图

预训练对话大模型深度解读

，不过创始人为Transformer和LaMDA的作者，估值超过10亿美元，是角色扮演类聊天机器人，主要功能包含：与AI扮演的角色自由聊天通过定义角色描述自由创建角色通过声音、

Fastwhisper + Pyannote 实现 ASR + 说话者识别

Audio from common.error import ErrorCode model_path = config["asr"]["faster-whisper-large-v3"] # 测试音频

faster-whisper 语者识别 ASR

Stable Diffusion

Meta发布业界最强文生图模型CM3Leon，实力碾压Stable Diffusion、Midjourney

今天，我们正在展示CM3leon(发音像“chameleon”)，这是一个进行文本到图像和图像到文本生成的基础模型。

文生图

300天里，我帮你踩遍了AIGC创业的各种坑

典型案例包括某音博主李某某，以及知识星球各种AI群。

AIGC 创业

你的下一个浏览器，可以是豆包电脑版！

他指出，之所以快主要有三点原因： § 其一，在产品设计层面，豆包着重多模态的打造，特别是语音方面，这极大地提升了用户的输入速度与便捷性； § 其二，无论是通过智能硬件设备还是电脑版，豆包都能更紧密地贴近用户场景

豆包浏览器

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

例如，通过摄像头识别用户的手势、表情等视觉信息，结合用户的语音指令或手机输入的文本信息，模型能够理解用户的意图，从而控制灯光的开关、调节家电的运行状态、调整室内温度等。

OmniVision -968M 多模态模型

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了！

最后，我们可以让大模型使用自己的分析来以乐于助人的导师的角色构建回复。

OpenAI Prompt 提示词

<...27 28 29 303132 33 34 35 36 >

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