首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· Ollama还是vLLM?深度解析四大顶级LLM服务框架:性能、特性与技术选型指南
· 汇总1400+文献的神级“上下文工程”综述,治愈初学者的AI迷失症
· 《特朗普爱上在白宫当保洁的我》拍好了,3个月赚了10个亿
· StableDiffusion模型推荐系列(全能型)
· 不会PS也能做神图?豆包AI绘画全解析,让你的创意秒变艺术品!
· 一个让GPT重复自问自答的Prompt
· AI创作 |如何通过GPT进行漫画视频的故事改写
· 多智能体开发框架怎么选型?京东 JoyAgent vs langchain LangGraph,两种Agent开发哲学的碰撞!
· 一个完整Prompt让ChatGPT自动生成短视频制作脚本
· 来个优秀的开源人脸识别项目!
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
AI文档智能助理都是如何处理pdf的?
•docx4j-export-FO[19] ,需要依赖 plutext[20] ,已经停止对外
服
务。
大模型
大模型
大模型+人形机器人,是不是下一个风口?
“有些人认为软件可以克
服
硬件上所有的问题和限制,我并不赞同这个观点。
大模型
微调
Prompt、RAG、微调还是重新训练?如何选择正确的生成式AI的使用方法
总成本 我们讨论的不仅仅是
服
务/组件花费,而是完全实现解决方案的成本,其中包括熟练工程师(人员),用于构建和维护解决方案的时间,其他任务的成本,如自己维护基础设施,执行升级和更新的停机时间
生成式AI
SQL
微信为什么使用 SQLite 保存聊天记录!
SQLite “只是”一个库,它不是传统意义上的
服
务器。
SQLite
微信
数据库
《特朗普爱上在白宫当保洁的我》拍好了,3个月赚了10个亿
这些演员们接受采访时甚至说台词过于反智以至于都“难以启齿”,但在金钱的力量下还是屈
服
了,老老实实按中国制片人给的剧本去拍短剧,但最终拍出来的土味短剧居然能评分超过8分,反超其“正经作品”。
短剧
深度|红杉重磅发布:2024 AI 50 榜单 (全网最全)
AI有可能降低这些关键领域的成本,使人们更容易获得和负担得起这些
服
务。
生成式AI
榜单
AI应用
SQL
微信为什么使用 SQLite 保存聊天记录?
SQLite “只是”一个库,它不是传统意义上的
服
务器。
SQLite
微信
数据库
开源
腾讯悄悄开源混元版「Sora」,这就是开源领域的No.1。
第一次,能看到,做中国古装,
服
化道和真实质感,好到如此程度的。
sora
视频生成
PDFTriage:面向长篇结构化文档的问答
PDFTriage有助于通过多阶段查询文档来克
服
这个问题,根据不同的文档QA任务需要检索和添加上下文。
大语言模型
PDF
文档
开源
玩一玩阿里通义千问开源版,Win11 RTX3060本地安装记录!
阿里毕竟是做
服
务器的,我又在杭州,这速度真的是真是相当给力。
通义千问
大模型
面向知识图谱的大模型应用
小结 随着 LLM 不断成熟为更广泛的推理引擎,基于大模型的架构创新仍然势在必行,特别是针对有效地利用外部知识来克
服
固有模型的局限性。
知识图谱
大模型
开源
清华&面壁开源新一代主动Agent交互范式!让AI从被命令到主动帮助
随着技术的不断进步,我们可以期待看到更自然的人机协作模式,更智能的场景适应能力,以及更深度的个性化
服
务。
Agent
大模型
提示词
有了 DALL-E 3,从此自己设计T恤 (附30个提示词模板)
提示词:将宽幅矢量设计印制在[你的颜色]T恤衫上,以时尚前卫的卡通[所选动物,如 "猫头鹰"]为主题,穿上别致的
服
装。
DALL-E
T恤设计
数字人
数字人直播哪家强?百度、硅基、风平与闪剪四大AI数字人横向评测!
因此,为企业实现降本增效的目标和数据保护的
服
务型数字人是未来的发展趋势。
数字人
数字分身
大模型
图解大模型训练之:张量模型并行(TP),Megatron-LM
但是对word embedding来说,词表的大小就很
客
观了,因此需要把word embedding拆分到各个GPU上,具体的做法如下: 我们来详细说明下这张图。
开源模型
<
...
41
42
43
44
45
46
47
48
49
50
>
1
2
4
5
6
7
8
9
100