文章列表-AI魔法学院

文章列表

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

研究者针对一系列模型规模、在 300B tokens 上对 Hawk 和 Griffin 进行了过度训练，结果显示，Hawk-3B 在下游任务的性能上超越了 Mamba-3B，尽管训练的 tokens

transformer 训练

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

简单点说，就是一个“大脑”，能装进各种小玩意儿里，能让各种设备（比如毛绒玩具）具备实时语音交互的能力。

OpenAI 嵌入式实时语音 SDK

从零开始：构建你的首个ComfyUI工作流

它实际上就是一个比较专业的Stable Diffusion运行界面，只不过是节点式的。

comfyui 文生图工作流程

Stable Diffusion

全面理解Stable Diffusion采样器

本节将会进行一些客观的对比，来帮助你选择。

绘画采样器 SD

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

而且对于后续的内部API管理也会感觉到非常杂乱。

大模型 PostgreSQL

【ComfyUI】爽玩必备,6大插件汇总推荐！

【预览文本】节点是可以连接到【翻译文本】上的，用来检查翻译的对不对。

comfyui 文生图

【ComfyUI】爽玩必备！6大插件汇总推荐

【预览文本】节点是可以连接到【翻译文本】上的，用来检查翻译的对不对。

大模型

腾讯最新的人像写真工作PhotoMaker

项目主页：https://photo-maker.github.io/ 不过，这个项目主要是为了生成写实人像的哈，虽然能处理非写实的数据，但是生成的图还是针对写实人像的。

PhotoMaker 文生图

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

此外，Qwen2 系列模型在安全性方面也进行了改进，通过测试显示其在生成有害响应的比例上优于或与其他模型相当。

qwen 千问开源

SD入门教程二：文生图基础用法（提示词）

原则一：prompt 不是越长越好很多同学刚学习 prompt 时，会觉得 prompt 越长越好，但实际上这是不对的。

SD prompt 文生图提示词

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

这篇文章中，我们证明了利用一个简单的预训练任务（即预测哪个文本描述对应当前图像）在一个从互联网上搜集的4亿个（图像，文本）对的数据集上可以取得SOTA的图像表征。

OpenAI 自然语言监督

OpenAI 无需向量化的 RAG 新架构设计范式剖析

· 逐层钻取：在后续轮次中，大模型会对上一轮挑选出的相关内容再次进行细致切割（比如：每个选定块再切分 3 份），然后再次让大模型挑选，如此往复，直到找到与用户问题最相关的段落级别内容。

OpenAI RAG 架构

万字长文-大语言模型指令调优综述

作者首先通过收集多个大型语言模型(如 GPT-3)对给定指令集合的响应来建立一个比较数据集，然后让 GPT-4对每个响应进行评分。

大语言模型

我如何夺冠新加坡首届 GPT-4 提示工程大赛 [译]

· 对于这些基于模式的任务，单独使用 LLMs 可能实际上会在更短的时间内比使用编程代码产生更好的结果！

GPT-4 提示词

被高估的Pika，被低估的多模态AI

不过在浦林看来，Pika 与其它 AI 生成视频工具（如 Runway ）“在技术上没有本质差别”，一些自媒体对 Pika 和 Runway 的对比分析“纯粹是经验归纳

大模型多模态

<...38 39 40 414243 44 45 46 47 ...>

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