文章列表-AI魔法学院

文章列表

Agent具体实现

代理根据用户输入及当前状态选择一个动作，执行该动作并观察结果，然后继续下一个动作。

Agent 大模型

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

LLM AutoEval：使用RunPod自动评估大语言模型（LLMs），colab 2.

LLM 大模型 GitHub

数字人：从科幻走向现实的技术革命

2.动作捕捉：动作捕捉技术可以捕捉真实人类的动作和表情，并将其映射到数字人身上。

数字人语音

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

高准确性输出通过使用来自可靠数据的直接偏好优化（DPO）训练，OmniVision - 968M有效减少了幻觉现象，大大提高了输出的准确性。

OmniVision -968M 多模态模型

实现聊天机器人打字机形式输出内容：SSE原理介绍及Post实现方式

比如显示当前网站在线的实时人数，法币汇率显示当前实时汇率，电商大促的实时成交额等等 3、SSE使用场景在web端消息推送功能中，由于传统的HTTP协议是由客户端主动发起请求，服务端才会响应

大模型

中学生也能看懂的Sora视频生成原理解读

Sora面对的挑战就像是需要处理和理解来自世界各地、不同设备拍摄的数以百万计的图片和视频。

视频生成 sora

提示词框架：BROKE

为了能够顺利地达到终点，你需要设定一系列的小目标，并制定一些具体的行动计划。

BROKE 提示词

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

本文整理自 8 月 12 日「NPCon：AI模型技术与应用峰会」上，来自 Dify.AI 创始人张路宇《LLM 应用技术栈与Agent全景解析》的分享，介绍了当前大模型技术应用技术栈以及 Agent

大模型

大模型能力评估体系

随着这些模型在自然语言处理、图像识别、自动编程等多个领域显示出的卓越能力，它们正逐渐成为科技界的焦点。

大模型评估

Sora物理悖谬的几何解释

我们扰动水箱，使得液体流动起来，使得溶剂密度发生变化。

Sora 解释

4种通过LLM进行文本知识图谱的构建方法对比介绍

在LLM提示中添加本体在大多多情况下，我们希望使用非标准或自定义本体。

知识图谱大模型

深度对比丨探索LLM（大模型）部署服务的七大框架差异

· · 动态内存使用情况——内存使用情况根据请求大小动态变化，同时由于 CPU 和 GPU 上的缓存分配器仍然满足性能要求。

大模型

Kimichat炒股：7个提示词案例

- **低波动性指数基金**：这些基金专注于那些价格波动较小的股票，可能适合风险厌恶的投资者。

Kimichat 提示词

一个充满多智能体的数字社会正在浮现，商业的底层逻辑已进入重构倒计时

，多智能体在沙盒环境中的可能发展形态，25个小镇居民NPC的背后是由25个智能体驱动，在沙盒环境中，围绕日常生活展开一系列的交互行为，无论是工作还是生活，智能体都在小镇沙盒中展开了完全自主驱动的自动化行为

大模型

AI声音克隆 | 最全最简教程（权威版）

TTS小软件，API用的就是微软的，如有需要，请看自己开发一个免费的文本转语音小工具如果你觉得功能少，可以使用国内的魔音工坊，但是要收费的哈但这些都不能指定声音转换，所以这里使用声音克隆

声音克隆教程

<...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