文章列表-AI魔法学院

文章列表

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级

61.2 65 2.快速使用 2.1 环境安装首先需要下载本仓库：

ChatGLM3 语音模型开源模型

Qwen2.5更新百万超长上下文，推理速度4.3倍加速，网友：RAG要过时了

这意味着，在相同成本下，Qwen2.5-Turbo可以处理的token数量是GPT-4o-mini的3.6倍。

Qwen2.5 开源模型

深度好文，Agent盛行前传

在这篇文章里我将借助引用量较高的论文“Reward is enough”并结合近期使用的MindOS（一款以GPT为大模型底层的agent应用

Agent 大模型

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

它主要通过堆叠ID嵌入方式编码任意数量的输入ID图像，以保留ID信息。

PhotoMaker 文生图

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

在人工智能技术日益普及的今天，GPT-4o 的实时语音功能吸引了大量关注。

GPT-4o 语音交互

大模型训练为什么用A100不用4090

可是不要忘了，正向传播的中间状态数量是跟 batch size 成正比的，GPU 内存容量又会成为瓶颈。

大模型

查理·芒格：关于人生的13个忠告

在这里，我想引用古代最伟大的律师马尔库斯·图鲁斯·西塞罗的一个重要思想。

人生箴言查理芒格

语音、视频转文字神器：开源whisper介绍

Whisper模型的训练过程非常复杂，需要大量的计算资源和时间。

人工智能大模型 wisper

Stable Diffusion

全网最全AI绘画Stable Diffusion关键技术解析

VAE的编码器可以将图像压缩为潜在空间的向量表示，在潜在空间进行扩散过程，再通过解码器恢复图像，这样可以大大提高计算效率。

Stable Diffusion 文生图

FFmpeg之父新作——音频压缩工具 TSAC

如果使用普通的向量量化器，这就需要最终的码本向量个数为N = 2^80，这显然是不切实际的。

TSAC 音频工具

PymuPDF4llm：PDF 提取的革命

PDF 文件作为一种广泛使用的文档格式，包含着大量有价值的信息。

PymuPDF4llm PDF

大模型LLM基础｜分词

统计分词通过分析语料库中的统计信息来发现最有可能的分词方式。

开源模型

解读 Openai 给 DALLE3 设的完整系统提示词

如果用户没有要求生成特定数量的图像，默认创建四个提示发送给dalle，这些提示应尽可能多样化。

提示词绘画 DALLE

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

然而，它们对大量计算资源和广泛数据收集的依赖仍然是一个瓶颈。

PanGu-Draw 文生图

Deepseek-V2技术报告解读！全网最细！

模型参数量方面达到236B ，同时由于模型小专家混合的特性，模型在推理时的激活参数很少，可以实现高推理速度。

Deepseek-V2 大模型

<...36 37 38 394041 42 43 44 45 ...>

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