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）

不能做：绘图、做视频、做音频、做PPT。

Kimi 大语言模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

图一：RAG 结构图在当前这个时间点（2023.9.6）打开 langchain.com 的主站，你会发现不同于之前的 docs 关于应用场景的 8 种介绍，Use-Cases

大模型

聊聊AI产品做算法备案这件事

该找法务把关的就去找法务，该要产品流程图的就去画产品流程图。

工作

【收藏】那些牛掰的ChatGPT指令爱了～

My first request is [修改文本] Midjourney 提示生成器通过为提供的图像描述填充详细且有创意的描述，激发 Midjourney 生成独特有趣的图像。

提示词 prompt

Gpt写小说，常用的中文指令集「实操篇」

- **示例：** `文本提示="在一个古老的城市里，一个年轻的艺术家意外发现了一个通向未知世界的神秘画廊。"

GPT 写作

LangChain - RAG：线上系统多文档要频繁更新，每次都要重新花钱做一次 embedding，老板不批预算，批我...

图一：embedding 类似于搜索引擎的索引，没有 update，只有 insert 或者 delete 互联网排名第一的文档格式是什么？

大模型

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

简而言之，提示工程就是寻找一种编辑查询（query）的方式，使得大型语言模型（LLM）或 AI 绘画或视频生成器能得到最佳结果或者让用户能绕过这些模型的安保措施。

prompt 大模型提示

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

第 6 节研究 GPT-4V 在时间（temporal）、动画（motion）和视频理解（video understanding）方面的能力。

多模态大模型 GPT-4V 文生图

在 WebUI 中使用 AnimateDiff 的一些问题和技巧

3、发现我8G显存下开高清根本就跑不出来，估计提高画质只能靠外部软件了，今天尝试了下TopazVideoAI效果还是不错的，有需要的可以在网盘下载，我用的是3.5.2版本的。

AnimateDiff SD

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

【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

来个优秀的开源人脸识别项目！

InsightFace 的主要功能如下： 1. 2D 人脸识别：基于卷积神经网络（CNN）的人脸识别算法，可以对人脸图像进行特征提取和匹配，从而实现人脸识别。

人脸识别开源项目

<...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