文章列表-AI魔法学院

文章列表

腾讯出品！开源AI数字人框架！号称可以不限时长

MuseV采用了视觉条件并行去噪方案，支持生成理论上无限长度的视频。

MuseV 视频数字人框架

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

ViTPose+进一步拓展到多种不同类型的身体姿态估计任务，涵盖动物、人体以及典型的身体骨骼、手、脚、脸部等关键点类型，在不增加推理阶段模型复杂度和计算复杂度的情况下，实现了多个数据集上的最佳性能。

ViTPose+Transformer 身体姿态

网易（TTS）EmotiVoice：开源语音合成，支持2000多音色

EmotiVoice的最突出的特点是，它可以根据你的提示来调整语音的情感、语气、风格、速度、音高等参数，让你的语音更加生动和个性化。

EmotiVoice 语音合成

如何估计大模型所需要的显存大小？HuggingFace发布Model Memory Calculator，一键计算大模型显存需求

在许多深度学习模型中，尤其是Transformer类模型，层与层之间的操作往往需要在vRAM中存储中间计算结果，这些结果可能包括激活值、权重等。

大模型

GitHub上很火的RPA框架：一款用于验收测试和 RPA 的通用自动化框架robotframework

功能介绍 RPA（Robotic Process Automation）是一种自动化技术，它可以模拟和执行人工业务流程，自动化重复性的、规则性的、高度可预测的任务。

RPA框架自动化

你是否发现ChatGPT甚至不能按字数要求回复问题？有人做了评测并讨论了可能的原因

她们得出的结论是，LLM难以满足细粒度的硬约束。

大模型控制

精通结构化提示词：如何精确操控指令的作用域与优先级

譬如，一级和二级标题经常体现出指令的重要级别差异，而列表则显示信息的同等重要程度。

提示词结构化

如何避免大语言模型绕过知识库乱答的情况？LlamaIndex 原理与应用简介

随着 LangChain + LLM 方案快速普及，知识问答类应用的开发变得容易，但是面对回答准确度要求较高的场景，则暴露出一些局限性，比如向量查询方式得到的内容不匹配，LLM 对意图识别不准。

大语言模型

50+ Midjourney 美食相关提示词，看了别留口水哦

如果达不到效果时，也可以尝试低角度，比如添加 “worm's eye view” 这个关键词。

midjourney 文生图绘画

请以“续航”为题目，写一篇议论文

更重要的是，这些设备往往还需要经常充电，而过度充电也会影响电池的寿命。

中文训练大模型

Byzer-LLM 快速体验智谱 GLM-4

而第二个难度其实会高很多，QWen 我用了 max 版本过了，但是运行速度较慢， Baichuan 只有 Function Calling 过了， GLM-4 则一把全过，速度还很快

Byzer-LLM GLM-4

大模型检索增强生成RAG的优化

下面针对每个模块分别做说明（备注：以下内容部分参考了检索增强生成技术(RAG)深度优化指南：原理、挑战、措施、展望）。

RAG 检索增强大模型

PymuPDF4llm：PDF 提取的革命

LamaPars等商业工具虽然在一定程度上缓解了这一困境，但其高昂的费用和有限的免费额度却让人望而却步。

PymuPDF4llm PDF

Stable Diffusion

Stable Diffusion WebUI v1.8.0重大更新！

它是一个非常流行的深度学习框架，用于构建和训练神经网络模型。

SD 画图

无限长的上下文，也干不掉的RAG

主要发现多文档问答任务研究者们通过控制输入上下文的长度和相关信息在上下文中的位置，发现模型在多文档问答任务中的表现会随着相关信息位置的变化而显著变化。

RAG 大模型

<...49 50 51 525354 55 56 57 58 ...>

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