文章列表-AI魔法学院

文章列表

【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

对于大模型RAG技术的一些思考

· 匹配用户问题向量和向量库中各文本块向量的相关度 · 将最相关的Top 5文本块和问题拼接起来，形成Prompt输入给大模型 · 将大模型的答案返回给用户具体可以参考下图

RAG 大模型

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

模型 Backbone MoveNet整体的结构如上所示，Backbone部分是比较经典的带三层deconv的MobileNetv2，并且使用了残差连接来获取浅层特征，这个结构我已经在各种工程和学术论文中都见到了

MoveNet-SinglePose Google 模型

理解 o3 及其技术分析

文中提到了一个sample size，但并没有指明其具体含义。

o3 技术分析

【语音识别】OpenAI语音力作Whisper

具体看开源仓库代码，这里不做详解。

语音转文字 whisper

写好Prompt要记住这六点！

在我们开始详细分解并深入探讨这个公式之前，有一点非常关键，那就是我们必须认识到解题过程中顺序的重要性，就像制作精美菜肴时对配料加入顺序的严谨把控，值得注意的是，并不是每一个步骤都是严格必须的，有些可以视具体情况进行省略或调整

prompt 写作

Stable Diffusion

Stable Diffusion由入门到精通

drawn,out of frame,bad hands, unclear eyes,poorly drawn,cloned face,bad face 更详细的 tag 语法后面再展开，这个环节建议以体验为主

prompt 文生图

深入浅出：大语言模型中必不可少的技术——Embedding简介

这个限制通常在几千到数万个tokens之间，具体取决于模型架构和可用的硬件资源。

embedding

ChatGPT提示工程 - 总结

ChatGPT提示工程的两个关键原则 - 吴恩达和OpenAI合作编写Prompt的两个关键原则原则一：编写清晰、具体的说明策略1：使用分隔符清晰地标识出输入的各个部分策略2：提示模型以结构化格式输出结果

GPT

最顶尖的大语言模型人才，只关心这10个挑战

需要注意的是，总体而言，这些模型性能都还远非完美。

大语言模型

RAG 2.0来了，它能成为生产落地的福音吗？

然而，这种方法往往会导致所谓的“科学怪人效应”（Frankenstein’s monster），即尽管每个部分在技术上都能独立运行，但整合后的整体性能却远未达到理想状态。

RAG 大模型

好看的图片不知道怎么写提示词？用AI读出来

deepdanbooru的模型部署在本地，可以识别图像中的物体，用文字特征描述，一个一个的单词。

文生图

厉害了，匹诺曹Pinokio！所有AI工具，一键安装，全部免费！整合AI绘画、AI视频、AI语音...

原先想要体验大火的Stable Diffusion、ComfyUI、Fooocus、AnimateDiff等各类模型，安装过程麻烦事不断！

AI绘画 AI视频 AI音乐

新模型Cascade你真的用对了吗？！

【级联】是指多个系统、设备或组件按照一定的顺序依次连接起来，形成一个整体，其中前一个系统、设备或组件的输出作为后一个的输入。

Stable Cascade 模型

AI进化的新纪元：AI AIgents时代（1/9）——什么是Agent？

跟GPT的区别 Agent 不仅可以完成具体任务，如推荐内容、撰写文案、回答问题，而且还可以帮助你实现更复杂的目标。

大模型

<...48 49 50 515253 54 55 56 57 ...>

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