文章列表-AI魔法学院

文章列表

盘点字节跳动最新的AI应用

模型还可以设置精细度：数值越高，模型生成质量越高，但耗费时间也更长以下是我们根据不同提示词生成的一系列图片，全都是免费的：此外，我们发现在手机端也有进入Dreamina的方式，即在在剪映

字节 AI工具

9.4k Star！MemGPT：伯克利大学最新开源、将LLM作为操作系统、无限上下文记忆、服务化部署自定义Agent

MemGPT 使用函数在主上下文和外部上下文（归档和调用存储数据库）之间移动数据。

MemGPT 大语言模型

Stable Diffusion

造梦师手记：腾讯加入Stable Diffusion的ControlNet模型开发，效果艳丽

但是，量多不代表质优。

Stable Diffusion

Cursor 0.50 版本：一场惊艳的编程体验升级之旅

在编程的浩瀚宇宙中，每一次工具的更新迭代都如同夜空中闪烁的星辰，为开发者们指引着前行的方向。

Cursor 0.50 大模型

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

这其实说明从web-scale的数据中学习是可以超过高质量的人工标注的NLP数据集的。

OpenAI 自然语言监督

使用 Dify 和 Moonshot API 构建你的 AI 工作流（一）：让不 AI 的应用 AI 化

API 的请求参数中动态的调整这个数据内容，来让它解决不同的文章的标题生成任务。

Dify Moonshot API 工作流

《构建个人知识图谱》：让 AIGC 帮你自动构建知识图谱

利用 LLM 知识生成摘要的局限性大多数情况下，LLM 应用都是使用 LLM 本身的知识，针对个人知识库也一样。

提示词文生图 AIGC

Dify：大模型创业开源工具，46,558 行代码，完全开源

您可以根据生产数据和标注持续改进提示、数据集和模型。

Dify 开源工具

实操：基于 Ollama+AnythingLLM 的 AI 超级阅读法

在第一步的 prompt 里，为了更好地了解内容，我让大模型帮我总结了书籍的元数据，包括标题、作者和标签；一句话总结内容，再写了摘要，我只要阅读这部分，就可以大概知道文档讲的是什么

Ollama AnythingLLM 阅读

Stable Diffusion

硬核解读Stable Diffusion（系列二）

SD在训练过程采用的是步数为1000的noise scheduler，但是在推理时往往采用速度更快的scheduler：只需要少量的采样步数就能生成不错的图像，比如SD默认采用PNDM scheduler

StableDiffusion 文生图

大模型中的Top-k、Top-p、Temperature详细含义及解释

这种采样引入的随机性有助于在很多情况下生成的质量。

大模型

最强开源大模型Llama 3，在扎克伯格设想中其实是这样的

11、未来，AI大模型的训练可能更倾向于推理生成合成数据的方向，也就AI生成的内容更多会依赖于推理，而非训练。

Llama 3 大语言模型

大模型微调应用实践，没那么简单，看看曾经踩过的坑

样本量规模增大，训练出现OOM错：模型训练的样本数量从10万，增大300万，训练任务直接报OOM了。

大模型

微调百川Baichuan-13B保姆式教程，手把手教你训练百亿大模型

Baichuan-13B 有如下几个特点：更大尺寸、更多数据：Baichuan-13B 在 Baichuan-7B 的基础上进一步扩大参数量到 130 亿，并且在高质量的语料上训练了

大模型微调

30 多年前被 Windows、Linux “灭掉”的操作系统 MS-DOS 4.0，微软在 GitHub 上开源了！

于是，微软于 1983 年 1 月召集了一些最优秀的程序员，旨在开发新版的 MS-DOS 3.0（MS-DOS 2.5 作为临时版本在同一代码库中同时开发，目的是为微软和 IBM 的网络产品增加基本的网络重定向器支持

MS-DOS 4.0 开源模型微软

<...34 35 36 373839 40 41 42 43 ...>

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