文章列表-AI魔法学院

文章列表

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

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

AI Agent / 智能体观察笔记（下）

CAMEL AI所解决的一个核心问题是目前用户使用大语言模型时，需要反复和AI对话（打磨提示词）才能引导生成一个比较理想的内容。

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

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

全球最强长文本大模型，一次可读35万汉字：Baichuan2-192K上线

所以，在想办法提升模型性能的同时，各家公司也在比拼谁能把上下文窗口做得更大，从而投放到更多的应用场景。

Baichuan2 百川开源

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

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

OpenAI 认为使用这样一个庞大而多样的数据集，可以提高模型对口音、背景噪音和技术术语的识别能力。

语音 HeyGen

可能是国产最强AI，ChatGLM-4来了！

一、ChatGLM对我的帮助我常用AI的场景有两个（其实是三个，还有AI绘画我用Stable Diffusion）：一个是翻译，我业余经常对Civitai网站的AI绘画大模型进行评测，需要翻译，

ChatGLM 智普

AIGC大模型，潮水褪去之后

向量数据库+大模型是当前最佳的实践，所以前一阵子一堆做向量数据库的公司融了比较多钱。

大模型

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

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

通过 LLM 极强的语言先验，这种架构还可以避免 OCR 中的易错字，比如“杠杆”和“杜杆”等，对于模糊文档，也有望在语言先验的帮助下实现更强的 OCR 效果。

OCR 手写文字识别

【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

刚上线就崩了？字节版 GPTs 征战国内市场：无需编码，快速创建 AI 聊天机器人

与海外版相比，国内版在功能上并无差异，只是推送渠道略有不同。

Coze 聊天机器人

使用知识图谱提高RAG的能力，减少大模型幻觉

3、检索与上一步中确定的最近邻向量相对应的客户配置文件。

RAG 大语言模型

<...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