文章列表-AI魔法学院

文章列表

第3期 SDXL和SD的10大区别！你知道几个？

3、训练数据库更大。

文生图

比真人还像真人！字节跳动PersonaTalk的黑科技有多强大？

快速适配多场景，让配音更灵活传统的AI配音技术通常需要针对特定人物进行大量数据训练，而PersonaTalk则不然，它无需为每个人物单独训练，便能适应不同的人物角色和场景，显著提高了使用的便捷性和灵活性

PersonaTalk 视频

如何修复GPT幻觉、及评估数据集的挑战

2.注重提示词工程。

大模型

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

使用工具代理通过学会调用外部API来获取模型权重（通常在预训练后很难修改）中缺少的额外信息，包括当前信息，代码执行能力，访问专有信息源等。

Agent

SD艺术二维码还有人不会做?

你只需要会70%的知识点，超越70%的人，去教这70%的人，就可以获得100%的成就感，时隔两个月，艺术二维码的教程已经足够完善，但是那是我以为的，目前有三个问题，第一大家对二维码的要求越来越高，第二大家不爱看教程

文生图

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

我们的模型只需要使用视听同步数据集进行训练。

VividTalk 视频

一张照片秒生不同风格图像！小红书InstantID来了！

# InstantID介绍 01 工具介绍 InstantID 是一个图像生成工具，旨在高效、准确地保持人物身份特征，同时生成具有不同风格和姿势的图像

InstantID 文生图

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

答：我理解此问题的情形是：已有的lora模型只训练了一部分数据，要训练另一部分数据的话，是在这个lora上继续训练呢，还是跟base 模型合并后再套一层lora，或者从头开始训练一个lora？

大模型

七问大模型幻觉｜LLM Hallucination

源与目标的差异：当我们在存在源与目标差异的数据上训练模型时，模型产生的文本可能与原始源内容产生偏差

大模型

数字人：从科幻走向现实的技术革命

本文将探讨数字人的技术原理、发展历程、现状及应用前景，并分析其对社会和个人产生的影响。

数字人语音

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

2.3 训练方式 M3-Embedding的训练损失也相对复杂，包括两部分损失。

BGE M3-Embedding 多语音检索

国内厂商语音识别与Whisper评测：现状与概况对比

随着人工智能技术的飞速发展，语音识别已经成为了现代社会中一个重要的研究领域。

语音识别 Faster-Whisper

Google 模型解读 | MoveNet-SinglePose：自底向上做单人姿态估计

说起业务落地级别的姿态估计算法方案，大家基本上的共识都是top-down范式，也就是det+pose的形式，先由一个轻量级的目标检测模型提供bbox，再依次送入pose模型进行单人姿态估计，利用一些工程上的优化能抵消掉

MoveNet-SinglePose Google 模型

如何提高RAG 的效果

写在前面 LLM+RAG 构建很简单，使用开源项目langchain几行代码就搞定，但简单的构建过程不意味着很好的效果。

RAG 大模型

阿里Qwen3系列模型惊艳亮相

用这些选项，用户能轻松把Qwen3集成到自己的工作流程里，不管是做研究、开发还是用于生产环境都没问题。”

阿里 Qwen3 大模型

<...42 43 44 454647 48 49 50 51 ...>

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