文章列表-AI魔法学院

文章列表

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

不需要复杂的设计如持续时间模型、文本编码器和音素对齐，能够快速训练并实现实时因素（RTF）0.15的推理速度，显著优于当前基于扩散的TTS模型。

F5-TTS 音频克隆

从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！

引言为进一步提升大型语言模型（LLM）解决复杂问题的能力，今天给大家分享的这篇文章，作者提出了思维图（GoT），其性能超过了思维链（CoT）、思维树（ToT）。

大模型

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

Flash Attention：优化注意力机制，将其复杂度从二次方降低到线性，加快训练和推理的速度。

LLM 大模型 GitHub

大模型中的Top-k、Top-p、Temperature详细含义及解释

在这种情况下，输出标记 United 是在处理的最后一步选择的——在语言模型处理输入并计算其词汇表中每个标记的似然分数之后。

大模型

我尝试了 100 个免费 AI 工具，这些是最好的

该工具因其在创建带有文本的人工智能图像方面的能力而脱颖而出。

AI 工具

国产AI大模型哪家强？十大维度横评四款主流大模型！

历史人文类 - 2）通义千问：5 分（生活常识类 - 1，工作技能类 - 2，历史人文类 - 2）四、逻辑推理能力测试AI 大模型是否足够聪明，很大程度上取决于大模型是否具备足够强大的逻辑推理能力。

开源模型

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

，原子大模型也可以进化出不同的能力，一些专注于自然语言处理，一些负责图像识别，一些负责语音识别，还有一些可能是专为解决特定类型的科学问题而设计。

大模型

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

使用多查询注意力，并在推理时生成数千个样本，然后选择一个解决方案子集进行提交。

Transformer

深入解析 Mistral AI 的 Mixtral 8x7B 开源MoE大模型

· 高效处理与模型大小的优化：Mixtral 8x7B 特别强调处理效率，在进行推理时每个 Token 只需调用两位“专家”，这样既保证了运算速度，又没有牺牲性能。

开源模型 Mixtral 8x7B

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

LiveKit 支持语音、视频和数据流处理，内置了自动语音识别（ASR）和文本转语音（TTS）功能，简化了语音到文本和文本到语音的转换过程。

GPT-4o 语音交互

收藏！万字长文聊聊LLM Agents的现状，问题与未来

2.2 CoT：问题分解与推理 2.2.1 CoT简介与两个例子 CoT指的是大家耳熟能详的思维链及其变种。

LLM Agents

国内外开源大语言模型一览表

我们选择了 ChatGLM-6B 作为初始化模型，进行了全量参数的指令微调，旨在提升模型的共情能力、引导用户倾诉能力以及提供合理建议的能力。

大模型

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

这种能力使得模型能够建立起超越简单模式识别或机械记忆的联系和推理。

sora 论文

QWen1.5: 卓越模型之路

对 Qwen Base 和 Chat 模型在一系列基础及扩展能力上进行了详尽评估，包括如语言理解、代码、推理等在内的基础能力，多语言能力，人类偏好对齐能力，智能体能力，检索增强生成能力（RAG）等，对比对象也增加了热门的

Qwen1.5 开源模型

被高估的Pika，被低估的多模态AI

它主要根据过去图像的经验拟合出符合人类审美的图像，并不具备理解语言和智能思考的能力。

大模型多模态

<...47 48 49 505152 53 54 55 56 ...>

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