文章列表-AI魔法学院

文章列表

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

微调Design2Code-18B模型的过程本次实验使用CogAgent-18B作为基础模型，并使用Huggingface WebSight数据集进行微调，该数据集由网页截图和代码实现对组成。

设计转代码大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

一些研究表明，逐步推理的有效性可以归因于训练数据的局部统计结构，局部结构化的变量之间的依赖关系比训练所有变量更具数据效率。

大模型

LangChain + ChatGLM2-6B 搭建私域专属知识库

，以防万一，还是禁了吧 export WANDB_DISABLED=true 准备数据集这里为了简化，我只准备了5条测试数据，分别保存为 train.json 和 dev.json

知识库

用so-vits-svc-4.1进行音色转换的极简教程

主要是因为孙燕姿的音色独特，吐词清晰，网络上存在她的大量歌曲，非常便于训练。

声音 sovits

4种通过LLM进行文本知识图谱的构建方法对比介绍

使用LLM预训练本体（ontologies） LLM似乎已经接受了各种标准本体(如SCHEMA)的预先培训。

知识图谱大模型

最透彻的大模型PPO原理和源码解读

所以，在写这篇文章时，我直接从一个RLHF开源项目源码入手（deepspeed-chat），根据源码的实现细节，给出尽可能丰富的训练流程图，并对所有的公式给出直观的解释。

PPO 大模型源码解读

Google 模型解读 | MoveNet-SinglePose：自底向上做单人姿态估计

从MoveNet的技术博客分享中，我感受到Google在这方面的工程能力确实值得我们学习，它在两种范式之间取得了优秀的平衡，既避免了单独训练一个det模型，又尽量保留了单人姿态估计的精度优势。

MoveNet-SinglePose Google 模型

全球生成式 AI 应用全景图

等大模型具备很强的代码能力，未来将会对软件开发人员生产力产生重大影响，同时能够使非专业开发人员更容易生成代码； 6.音频生成：音频合成在技术和商业化上已经非常成熟，近年来大模型和优化算法的成熟能够基于大量音乐数据集训练和优化算法来创建

大模型

如何成为LLM提示词大师！「大语言模型的底层心法」

这个训练过程以及使用的大规模数据集使LLM像Claude和GPT-4这样的模型嵌入了相当多的世界知识。

大模型提示词

七问大模型幻觉｜LLM Hallucination

这种差异，有时可能是在数据收集过程中不经意间产生的，有时则是故意为之。

大模型

吴恩达Prompt教程之总结图解

其中Base LLM是根据训练语料选择最大可能性的单词进行填充，因此，会在填空类内容上表现不俗，但是面对QA类似的问题，可能并不能令人满意。

prompt 教程吴恩达

大模型时代 AI 技术在金融行业的创新应用

然而，大模型的劣势在于其参数量巨大，导致训练和运行需要大量的计算资源。

大模型金融

3 个令人惊艳的 GitHub 开源项目，诞生了！

用户将自己的个人头像上传后，可借助 Stable Diffusion 模型进行训练，并生成一款拥有不同风格的个人头像。

开源模型

中学生能看懂：Sora 原理解读

这一网络负责将原始视频数据压缩成更低维度的表示形式，即一个由许多小块组成的密集网络。

Sora 原理

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

为了避免过拟合，CoH添加了一个正则化项来最大化预训练数据集的对数似然。

Agent

<...30 31 32 333435 36 37 38 39 ...>

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