文章列表-AI魔法学院

文章列表

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

生成后，手动检查答案，并过滤掉难以通过搜索引擎检索的数据。

大模型 RAG检索增强

图文生成短视频的方法

看完这篇文章，说不定你能够找到自己想要的答案。

视频 ChatGPT

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

LiveKit 支持语音、视频和数据流处理，内置了自动语音识别（ASR）和文本转语音（TTS）功能，简化了语音到文本和文本到语音的转换过程。

GPT-4o 语音交互

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

详细的比较将使您能够做出最佳的技术选择，以实现您的业务和人工智能目标。

训练

prompt中的分隔符号的正确使用方法

无论是在日常对话中，还是在我们与先进技术，特别是像GPT这样的人工智能模型交互时，准确传达我们的意图是至关重要的。

prompt 分隔符

一文读懂GPT-1：生成式预训练如何提升语言理解

首期，我们将共同探索ChatGPT的起源：GPT-1，跟随论文深入理解其技术细节，见证人工智能新篇章的启幕。

GPT

OpenAI Sora视频生成模型技术报告中英全文+总结+影响分析

把不同格式的视频编码成统一的视觉块嵌入，然后用足够大的网络架构+足够大的训练批次（batch size）+ 足够强的算力，让模型对足够多的训练集做全局拟合（理解），在模型更好地还原细节的同时让模型出现智能涌现能力

sora openai 视频生成

46.6k星星！最强开源AI集合系统，一键部署全网AI工具都能直接用，UI简直是视觉盛宴！

ChatGLM：新增ChatGLM系列模型，来自智谱AI（GLM-4/GLM-4-vision/GLM-3-turbo Moonshot AI：集成kimi系列模型。

AI开源集合

如何修复GPT幻觉、及评估数据集的挑战

例如，我们可以相信LLM提供的自动代码审查是正确的吗？

大模型

LangChain + ChatGLM2-6B 搭建私域专属知识库

相比于初代模型，ChatGLM2-6B 多个维度的能力都取得了提升，以下是一些官方对比示例。

知识库

6个最佳开源TTS引擎

随着人工智能的普及以及数字设备应用的增加，相关系统对语音识别以及文语转换技术日益依赖，TTS正在变得越来越重要。

TTS引擎开源模型

中文通用大模型评测基准发布，全方位解析评价维度，助你选出最优秀的模型！

SuperCLUE是中文语言理解测评基准（CLUE）在通用人工智能时代的进一步发展。

大模型训练中文

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

智源|新型扩散模型架构OmniGen 论文：https://arxiv.org/pdf/2409.11340 OmniGen具有以下特点：「统一性：」 OmniGen天然地支持各种图像生成任务

大模型研究

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

在人工智能领域，人们对Agent的期待日益增长。

大模型 LLM Agent

Insanely Fast Whisper：超快的Whisper语音识别脚本

作者提供了几种优化方式，包括批处理、半精度处理以及BetterTransformer，以提高转录速度。

音频 Whisper

<...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