文章列表-AI魔法学院

文章列表

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

目前，视觉transformer已经在识别、检测、分割等多个视觉任务上展现出来很好的性能。

ViTPose+Transformer 身体姿态

AI+大模型在金融行业的应用场景

客户细分：机器学习技术可以根据诸如消费习惯、交易历史和人口统计学等各种属性对零售银行客户进行细分。

AI大模型金融

建议收藏：超详细ChatGPT(GPT 4.0)论文润色指南

更一致的风格（More consistent）：确保句子所使用的语言和风格与论文的其余部分一致。

论文润色写作

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

/output: 训练生成保存模型weights的文件夹，可以不修改等待5-20分钟即可训练完成。

妙鸭相机

18种 DALL-E 3 炫酷的文字效果和提示词

举例：描绘一群可爱快乐的孩子在微风轻拂、阳光明媚的海滩上放飞五颜六色的风筝。

DALL-E 3 提示词文生图

大模型业务应用中数据准备的要求、难点及解决思路

针对大模型在商业银行垂直场景的应用，下面我们分环节、分场景地围绕大模型训练数据的要求进行探讨。

大模型

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

高性能：与 Whisper-small(已开源) 和 Whisper-large 相比，SenseVoice-Small 的性能分别快 5 倍和 15 倍以上。

asr tts 声音

什么是BERT？

Transformer结构所堆叠在一起对于不同的下游任务，BERT的结构可能会有不同的轻微变化，因此接下来只介绍预训练阶段的模型结构。

embedding

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

我们的模型训练过程包括两个阶段：多任务预训练和监督微调。

大模型语音

腾讯最新的人像写真工作PhotoMaker

用随机噪声填充了身体部分和背景，为了消除非脸部的图像区域影响。

PhotoMaker 文生图

最新大模型面经+感受，4家大厂offer！

对于阿里系（拆分后各个事业群独立招聘）、字节、百度等大厂，或者百川智能、360等比较头部有名气的中小公司，或许也能给到面试机会，但是在面试过程中一旦涉及到LLM具体的项目经验，像我这种完全空白的人来说只能尴尬地说没做过

大模型面试

Markdown 介绍及使用教程

先别跑，这不是学Python，千万不要被「标记」、「语言」吓到，Markdown的语法十分简单，常用的标记符号不超过十个，用于日常写作记录绰绰有余，不到半小时就能完全掌握。

编程

【Agent专题】Agent架构设计：智能体架构设计的9大核心技术全景深解析，附架构图

相比让LLM即兴发挥，工作流设计把业务拆分为标准化步骤，让智能体在清晰路径中逐步执行，避免出现幻觉或不合理跳转。

Agent 智能体架构

本地运行140亿参数，阿里千问玩起来！Qwen+Win11+3060

这部分还提供了和非量化模型的对比。

大模型

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

Headless，让Chrome渲染PDF，再导出成HTML，甚至图片都转成了 base64 字符，所以一个网页就可以包含完整的文本、字体和图片等内容这是我的 pdf2htmlEX 分支

PDF转换

<...35 36 37 383940 41 42 43 44 ...>

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