文章列表-AI魔法学院

文章列表

Python状态机：优雅处理复杂业务逻辑的利器

状态机测试为状态机编写完整的单元测试非常重要： import unittest class TestOrderStateMachine(unittest.TestCase

Python状态机设计模式

AI能赚到钱了么？

如果没有过去十年的铺垫，总是这么问，那似乎是有点急功近利，但有十年亏损的这个铺垫在，赚不赚钱就变成了一个技术和商业合二为一的问题：即是技术的试金石也是商业化能力的证明。

大模型商业模式

Stable Diffusion

硬核解读Stable Diffusion（系列二）

这里我们可以试验一下不同采样步数下的生成效果，以宇航员骑马为例，下图展示了采样步数为10，20，30，50，70和100时的生成图像，可以看到采样步数增加后，图像生成质量是有一定的提升的，当采样步数为30

StableDiffusion 文生图

EduChat：教育行业垂直领域大模型

（2）作文批改：在作文考核中，老师会仔细标注语法错误，给出分数，并对突出的句子提供反馈。

教育大模型垂直领域

十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents

事实上，经过这段时间对AI-Agents的深度理解，以及对Lilian Weng定义的AI-Agents结构框架的研究思考，为了让更多人理解Agents的可能性（因为Lilian Weng

开源模型

生成式人工智能的“经济学”，The Economic Case for Generative AI

然而，我认为我们应该思考下，为什么这些没有导致新的平台出现？

生成式人工智能经济学

达摩院SPACE对话大模型：知识注入与知识利用

这里以一个办理汽车保险的任务为参考案例。

大模型

语言大模型100K上下文窗口的秘诀

上下文窗口（context window）是指语言模型在进行预测或生成文本时，所考虑的前一个词元（token）或文本片段的大小范围。

大模型

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

在本节剩余部分，我们尝试解析 Sora 的架构设计，并探讨为实现这一杰出功能所采用的相关技术。

Sora 微软

Elasticsearch Relevance Engine---为AI变革提供高级搜索能力[ES向量搜索、常用配置参数]

考虑到向量检索的大部分场景都是返回与该元素相似的topk个元素即可，比如推荐中的召回，只需召回近似100个item，也不关注item间的相对顺序，也无需100%准确，毕竟上游还会有粗排和精排。

大模型 AI编程

ComfyUI上使用SDXL1.0官方工作流实操使用零基础讲解节点式生成的Ai绘画工具comfyui，节点模块讲解

因为comfyui更符合stable diffusion的工作原理，生成图片时的速度相较于webui有较大的提升，根据我的测试生成大图片的时候不会爆显存。

文生图

ChatPDF | LLM文档对话 | pdf解析关键问题

对于论文pdf来说，Layout-parser的最大的模型（约800MB）精度非常高，但是速度慢一点，可以考虑GPU加速。

大模型

两个案例教你如何用BRTR原则优化Prompt

优化步骤：背景（Background）思考逻辑: 我们需要考虑为什么需要这个营销文案。

BRTR Prompt 写作

腾讯悄悄开源混元版「Sora」，这就是开源领域的No.1。

聊聊这个腾讯混元的AI视频模型，我已经先行测试了一周，跑了几百个case。

sora 视频生成

一文探秘LLM应用开发-Prompt(相关概念)

问题定义与基本思路2.基本流程与相关技术1）Tokenization与Embbeding2）向量数据库3）finetune（微调）4）模型部署与推理 5）prompt6）编排与集成7）预训练第三部分场景案例常用参考

prompt 大模型

<...39 40 41 424344 45 46 47 48 ...>

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