文章列表-AI魔法学院

文章列表

Deepseek-V2技术报告解读！全网最细！

在训练时，结合模型本身的专家ensemble特性，各个专家在训练开始的过程中是完全对称的，这种设计如果不做额外的限制，容易出现压力过多分担到某些门控专家的现象，造成这些专家所在的机器节点参数更新频繁，而未发挥作用的专家所在的机器空转

Deepseek-V2 大模型

关于GPT-4在变笨，有人写了篇论文证实了这一点

论文试图通过多种维度评估GPT的表现为何让人感到如此不稳定和不一致，于是为GPT3.5和GPT4划分了四种能力维度，分别是数学问题，敏感问题，代码能力和视觉推理能力。

大模型

比GPT-4快18倍，世界最快大模型Groq登场！每秒500 token破纪录，自研LPU是英伟达GPU 10倍

它采用了时序指令集计算机（Temporal Instruction Set Computer）架构，这意味着它无需像使用高带宽存储器（HBM）的GPU那样频繁地从内存中加载数据。

Groq 大模型

Stable Diffusion

99%的人都不懂的Stable Diffusion高级功能，Negative Prompt如何正确使用?

无论您是追求更真实的角色表现，还是试图突破传统的视觉表现方式，这些负面提示都将为您提供宝贵的灵感。

Negative Prompt 文生图

面向知识图谱的大模型应用

值得注意的是，LLM Compiler 将工具函数视为可以并发执行的模块化函数。

知识图谱大模型

Prompt屠龙术-大厂prompt工程指南解析提炼

§ 第四步：上下文指导 · 视角：确定所需的输出视角

prompt 大模型解析

Fastwhisper + Pyannote 实现 ASR + 说话者识别

Audio from common.error import ErrorCode model_path = config["asr"]["faster-whisper-large-v3"] # 测试音频：

faster-whisper 语者识别 ASR

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

它将编程竞赛题视为一项翻译任务（问题陈述 → 解决方案），以获得双向性。

Transformer

大模型应用设计的10个思考

4 避免脆弱性，摒弃硬编码在构建任何系统时，一个不可忽视的事实是，系统的整体强度往往由其最脆弱的部分决定。

大模型应用

Stable Diffusion

Stable Diffusion ComfyUI 入门感受

comfyanonymous.github.io/ComfyUI_examples/comfyanonymous.github.io/ComfyUI_examples/ 英文比较好的同学也可以看看官方的这个教学的视觉小说

文生图

AI颠覆的第一个体育赛道，来了

此外，AI视觉系统在沙滩排球项目中用于跟踪和预测球的运动轨迹，提高了判定的准确性。

体育 AI

Prompt全攻略(二):Prompt编写的要诀

7.使用第二人称使用“你”而不是“我”,会使Prompt更具指令性,AI会把它视为对自己的直接要求。

prompt

什么是极限、导数、微分与积分（通俗易懂）

你的目光时而注视前方的道路，时而瞥向仪表盘上跳动的速度指针。

数学微积分科学

如何改善你的回测方法，提高策略的未来收益

常见的陷阱包括生存偏差、前视偏差、数据挖掘偏差等。

回测方法

Stable Diffusion

Stable Diffusion 30种采样器全解！

o DPM adaptive：自适应渲染，无视采样步数。

Stable Diffusion采样器

<...37 38 39 404142 43 44 45 46 ...>

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