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是支持中英文等多种语言的视觉语言（Vision Language，VL）模型，相较于此前的VL模型，Qwen-VL除了具备基本的图文识别、描述、问答及对话能力之外，还新增了视觉定位、图像中文字理解等能力

大模型

了解Kimi必看的26个问题 | Kimi系列文（二）

不支持思维导图、可视化图表和做图、做视频，但是可以提供文本，然后通过其他工具来完成。

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

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

它准确地以 Markdown 重构了表格，然后填写了正确的答案。

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

开源大模型部署及推理所需显卡成本必读：也看大模型参数与显卡大小的大致映射策略

有些技术爱好者也开始心痒难耐，萌生了构建一个庞大模型并进行训练的想法。

开源模型

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

为了提升模型性能，模型采用了一些特殊的设计，如多尺度建模、多层级结构等方式。

ViTPose+Transformer 身体姿态

为什么说AI现在还不行！

图灵测试2.0 原始的图灵测试这样：这是一个纯粹的智能测试，本质是追求在封闭系统里面的逻辑自洽性。

大模型

【万字长文】全球AI Agent大盘点，大语言模型创业一定要参考的60个AI智能体

百度发布文心一言正式发布不久后的4月，很多人还在感叹文心一言生成的图片多欢乐，更多人在为ChatGPT、Midjourney各种培训而疯狂的时候，Meta创始人兼CEO扎克伯格正在想着如何“以有用且有意义的方式

大语言模型

<...33 34 35 363738 39 40 41 42 ...>

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