文章列表-AI魔法学院

文章列表

Stable Diffusion

Stable Diffusion 30种采样器全解

o Euler：ODM求解器，简单直接，可收敛——能产生最终稳定图像。

Stable Diffusion 采样器

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

Battle 说：「我简直不敢相信它生成的一些东西。」

prompt 大模型提示

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

检索增强生成（RAG）是解决大语言模型（LLM）实际使用中的一套完整的技术，它可以有效解决LLM的三个主要问题：数据时效性、幻觉和数据安全问题（在我之前的文章《大模型主流应用RAG的介绍

RAG 检索增强

深度好文，Agent盛行前传

；后期学习的知识更多的是为了适应未来复杂的、随机性强的和多元的环境和诉求；对于与生俱来的知识，奖赏发生在成功躲避猛兽的追捕；对于后期学习的知识，奖赏在未来解决一个之前并不擅长的疑问。

Agent 大模型

和大模型相关的一些术语（持续更新中）

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

大模型人工智能

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

本文作者研究主要关注两个问题：1）基于工业领域中的PDF文档，将单模态文本、单模态图像、文本+图像双模态放入RAG系统中，看一看文本+图像双模态是否能够提升RAG系统的性能？

大模型研究

精通结构化提示词：如何精确操控指令的作用域与优先级

如果结构化提示词出现了不同模块之间的逻辑错误或规则冲突，对于用自然语言沟通的大模型来说，生成的结果反而不可控。

提示词结构化

8个常用中文OCR数据集，附下载链接

室内的图像主要包括标识、门牌和标牌等，室外的图像主要是路牌和广告牌等。

OCR

LLM应用架构之检索增强（RAG）的缘起与架构介绍

从上图可以看到，参数规模和训练的token数是正相关的，以gpt3为例，它有1750亿参数，其训练的token量达到了2000亿，据说包含了全球所有公开的文本信息，自然它能什么都懂就不奇怪了。

LLM

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

虽然它们可能没有意图或欲望，但研究表明它们可以隐含地生成这些状态的表示，并指导模型的推理过程。

大模型

Stable Diffusion

读取大脑重建高清视频，Stable Diffusion还能这么用

之所以会如此，是因为与重建一张静态图片不同，我们视觉所看到的的场景、动作和物体的变化是连续、多样化的。

stablediffusion

开源大语言模型完整列表

VisualGLM-6B —— 多模态对话语言模型 VisualGLM-6B 是一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM-6B，具有 62 亿参数；图像部分通过训练

开源模型大语言模型

AI 换脸——Deepfacelab 下载与安装，新手教程

AI 换脸就是采用生成式对抗网络（GAN, Generative Adversarial Networks ）的人工智能算法，第一次接触是冯·诺依曼研究的博弈论，在这里不再深入探究，大家有兴趣可以去了解

Deepfacelab 换脸

深度 | Meta AI助手大测评，市值蒸发万亿都因它？

它以前也是可以访问的，但是 Llama 3 和新的 Imagine 图像生成器（不要与 Google 的 Imagen 混淆）的发布使 Meta 将其推广为对人工智能感兴趣者的首选。

Meta AI 测评

微软研究团队：Sora核心技术及未来机会研究报告-中英对照版

图 2: Sora 的文本到视频生成示例。

sora 论文

<...45 46 47 484950 51 52 53 54 ...>

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