文章列表-AI魔法学院

文章列表

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

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

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

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

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

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

近期，AI 领域异常热门，众多惊人且令人担忧的工具不断涌现。

生成式AI

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

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

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

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

中学生也能看懂的Sora视频生成原理解读

在这个过程中，你的“指定主题”就像是文本提示，而你逐步优化草稿本的过程，就类似于Diffusion模型的工作方式。

视频生成 sora

大模型推理能力增强方法总结

相关工作分成三个主要的类型，思维链提示 (CoT Prompt) ，一个生成器加一个验证器（生成器负责生成多个推理路径，验证器用于评估这些生成的解答，并选出最终的答案），以及两种的混合方法。

推理能力大模型

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

OpenAI Sora可以模拟人工过程除了真实的物理世界外，OpenAI Sora还可以模拟人类创造的一些世界或者过程。

sora 视频生成

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

Effective Prompt: 编写高质量Prompt的14个有效方法

提示工程（Prompt Engineering）是大模型时代下新兴的文字艺术，熟练掌握提示工程的基本设计准则，将有助于普通用户与Prompt工程师撰写出更优质的Prompt。

prompt 提示词

<...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