文章列表-AI魔法学院

文章列表

Stable Diffusion

Stable Diffusion基础：ControlNet之细节替换

本文继续给大家分享 Stable Diffusion 的基础能力：ControlNet之细节替换，今天的主角是 Tile。

StableDiffusion 文生图

AI必备Prompt技巧《提问的艺术——让AI导出高质量答案》

这种格式可以用于生成更加有趣和多样化的文本结果。

prompt 提示词

Openai 异步客户端接入国产大模型 Kimi

Kimi Chat 的特点在于其强大的长文本处理能力，这使得它能够在多轮对话中保持对上下文的理解和记忆，减少了信息丢失和误解，提高了对话的连贯性和准确性。

Kimi Chat 大模型

开源大语言模型完整列表

这些模型通常拥有数十亿到数万亿个参数，能够处理各种自然语言处理任务，如自然语言生成、文本分类、文本摘要、机器翻译、语音识别等。

开源模型大语言模型

Elasticsearch Relevance Engine---为AI变革提供高级搜索能力[ES向量搜索、常用配置参数]

Elasticsearch Relevance Engine 将 AI 的最佳实践与 Elastic 的文本搜索进行了结合。

大模型 AI编程

达摩院SPACE对话大模型：知识注入与知识利用

但是，本质上都还是语言模型，如上图右边的流程图所示，输入基本上为网络上的自由文本，模型基本上都是 Transformer 结构，优化的目标基本上都是 MLM（掩码语言模型）。

大模型

你真的会写 Prompt ? 剖析 RAG 应用中的指代消解

本文将从解决优化 RAG 系统里的一个具体问题出发，通过展示使用 LLM Prompt Engineering 的方法，来解析传统 NLP 的问题。

Prompt 大语言模型 RAG

回望做大模型一年后的感悟

前一类现在大家基本上都是2T左右token起，也有3、4T token的数量级的，这类工作即使训练7B的模型也需要几百万的代价，训练30几B的模型更是数千万的成本。

大模型感悟

中国大模型「顶流群聊」笔记

客户向他反映说，其他功能反倒带来了麻烦，「幻象」（Hallucination）问题解决不了，而且客户原本有很多 AI 1.0 的模型，本来用得好好的，为什么要扔掉不用，AI2.0 并不需要覆盖 1.0

大语言模型

一文彻底搞懂多模态 - 多模态推理

这两种模态的信息可以是图片和文本、视频和语音等。

多模态推理大模型

大模型业务应用中数据准备的要求、难点及解决思路

本文将着眼于大模型在业务领域的优化训练，对这些问题做一下探讨。

大模型

智源：70万预算，从头开发千亿参数大模型，挑战成功！

那么，FLM团队是如何把训练成本降低近50倍的呢？

大模型

Stable Diffusion

硬核解读Stable Diffusion（系列一）

这里将基于Hugging Face的diffusers库深入讲解SD的技术原理以及部分的实现细节，然后也会介绍SD的常用功能，注意本文主要以SD V1.5版本为例，在最后也会简单介绍 SD 2.0版本以及基于

StableDiffusion 文生图

数字人：从科幻走向现实的技术革命

本文将探讨数字人的技术原理、发展历程、现状及应用前景，并分析其对社会和个人产生的影响。

数字人语音

万字长文｜40万人学习过｜28个ChatGPT使用技巧，带你从入门到精通

现从甲图书室中取出 150 本书放入乙图书室后，甲图书室的藏书仍比乙图书室多 2x 本。

ChatGPT 使用技巧教程

<...50 51 52 535455 56 57 58 59 ...>

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