文章列表-AI魔法学院

文章列表

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

无论是对图像中的物体识别、场景理解，还是对文本指令的解析、语义理解，模型都能高效完成，并将两者有机结合起来，提供全面而准确的处理结果。

OmniVision -968M 多模态模型

ComfyUI王牌！复合生成！必须揉在一起

Comfy的工作流牛，就牛在可以直接串烧生成。

comfyui 文生图

目前最强图像编辑模型——Nano banana可以免费用了

IP形象延展设计，为同一IP设计不同场景，形象一致性保持的很不错，并且也换上了不同的衣服，符合场景，小猫咪的王冠没有保留，但这个不影响形象的识别 IP形象表情包制作再此基础上，又让他生成9宫格的表情包连续生成

Nano banana 文生图

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

1.4 常见案例样例 1 在计算机视觉中，低层的网络主要学习图像的边缘或色斑，中层的网络主要学习物体的局部和纹理，高层的网络识别抽象的语义，如下图所示。

大模型微调

谈谈LLM在推荐域的渗透，探索推荐新范式

一个大象级别的公司，竟然在AI面前这么灵活，而且有决心、有魄力对全部产品进行改造，ALL IN AI 。

大模型

语义检索系统[全]：基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索

通常，实体是可以明确识别的对象或概念-通常是人，地点和事物。

开源模型

大模型应用的10种架构模式

如果查询是可以识别的，那么它会被路由到小语言模型进行处理，这通常是一个更准确、响应更快且成本更低的操作。

大模型架构

万字长文，AI大模型的应用实践总结

(GPGPU)，但因为它们分别面向的目标市场以及产品定位的不同，这三个系列的GPU在软硬件的设计和支持上都存在许多差异。

大模型

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

带OCR的扫描文档：这种类似有点特殊，在扫描文档后，使用光学字符识别(OCR)软件识别文件中每个图像中的文本，将其转换为可搜索和可编辑的文本

大语言模型 python

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

Abstract（此部分翻译为主）当前的计算机视觉（CV）模型通常被训练用于预测有限的物体类别。

OpenAI 自然语言监督

Stable Diffusion

耗时80小时！超详细的胎教级Stable Diffusion使用教程，看这一篇就够！

又或者我直接写一个句子：1个漂亮女孩站在大街上上面三种单词、词组、短句的方式都可以，我们比较常用的就是直接输入一个个单词，然后这些单词用英文状态下的逗号隔开当然了，SD只能识别英语

文生图

SadTalker数字人常见问题3

SadTalker数字人制作工具，用自带的图片音频可以生成，而用自己的图片、音频生成视频就不行。

SadTalke

基于大模型（LLM）的Agent 应用开发

目前，业界一般认为基于大模型的应用集中在两个方向上：RAG 和 Agent，无论哪一种应用，设计、实现和优化能够充分利用大模型(LLM)潜力的应用都需要大量的努力和专业知识。

大模型 Agent

解读 | SuperCLUE 2023年9月全面测评大模型四大能力

具体包括： - 语言理解与生成：包括语言理解与抽取、上下文对话、生成与创作、角色扮演等方面； - 专业技能与知识：涵盖了计算、逻辑与推理、代码、知识与百科等专业知识技能； - Agent智能体：包括工具使用和任务规划两个关键能力

大模型方法论

HalluQA: 测测中文大模型有没有一本正经胡说八道

近期的工作也表明，这种对于知识的记忆、召回和推理能力的不足使得大模型容易出现事实性错误[2]。

大模型中文大模型幻觉

<...44 45 46 474849 50 51 52 53 ...>

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