文章列表-AI魔法学院

文章列表

SD入门教程零：应用场景

总结！

Stable Diffusion 文生图入门教程

RAG——使用检索增强生成构建特定行业的大型语言模型

总的来说，这些自然的片段——无论它们涉及到大树、大象、盆景树还是鸟类捕食——都突显了我们周围自然世界的多样性和奇迹。

大模型

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

作者为每个具有多个面的图像选择具有最高总和分数的边界框。

PhotoMaker 文生图

Stable Diffusion

全面理解Stable Diffusion采样器

所以这里先提供一个总览的视角，帮助大家对各种采样器有一个大致的了解。

绘画采样器 SD

微调大型语言模型-核心思想和方法介绍

此外，BERT 基础模型的最后两层包含 60,000 个参数——仅占模型总大小的 0.6% 左右。

大模型训练

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

进一步地，通过对ChatGLM2-6B进行误差分析（噪声比为0）之后，发现，除了在噪声鲁棒性实验中发现的类似错误（占总数的38%）外，还有三种独特的错误，表6中列出了这些情况。

大模型 RAG检索增强

大模型业务应用中数据准备的要求、难点及解决思路

在业务专家深度参与数据准备的同时，数据管理组织基于认知类数据标注中总结出的共性方法论，固化为机制流程、标注工具等，实现数据标注经验的有效共享。

大模型

LLM Agent最常见的九种设计模式(图解+代码)

11 总结好了，以上就是目前所总结的 Agent 九大设计模式，其实 Agent 中没有最好的设计模式，只有最适合的设计模式，最终还是要从用户需求出发来选择

LLM Agent 图解

自己电脑上跑大语言模型（LLM）要多少内存？

1B(10亿）个参数通过4GB来存储，总结如下表: 可以看到的是： · 一般模型文件的实际尺寸要比简单计算的尺寸大 · · 即使是同样参数和精度的模型

大语言模型运行

什么是BERT？

2.3 预训练任务总结最后训练样例长这样： Input1=[CLS] the man went to [MASK] store [SEP] he bought a gallon [MASK] milk

embedding

10个大模型私有化需要关注的问题

笔者提出的这些点符合基本认知，值得归纳总结，帮助全面，系统地进行私有化落地。

开源模型

活久见，世界上第一个被人类骗走钱的AI，刚刚出现了！

网友们总计发出了481次尝试，但没有任何一条消息成功。

Freysa 智能体

大模型外挂知识库优化-大模型辅助向量召回

总体上来看t=50%比较好。

大模型

阿里Qwen3系列模型惊艳亮相

这里的235B和30B分别是总参数量，22B和3B分别是激活参数量。

阿里 Qwen3 大模型

AI生成卡通人物项目|VToonify

/checkpoint/vtoonify_t_arcane/vtoonify.pt 参数解释： 6、项目总结： 1、现在vtoonify只能做到图片和视频的风格化，但是由于模型比较大的缘故实时的风格迁移还做不到

AI生成卡通人物 VToonify

<...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