文章列表-AI魔法学院

文章列表

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

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

另外，还有多路径推理，它会生成多个备选的计划路径，形成树状或图状的结构。

大模型 LLM Agent

最好用的AI一键换脸工具FaceSwapLab汉化

": "参考图像,将提取第一个人脸", "First face of batches sources will be extracted and used as input (or blended

一键换脸

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

朱啸虎讲了一个中国现实主义AIGC故事

我们试图呈现这两种态度。

朱啸虎 AGI

分享一个结构化AI提示词模版

就像跟外国人交流需要语法,与AI对话同样需要"语法"——这就是提示词结构化的重要性。

提示词模板

Prompt逆向工程：ChatGPT通过多角色对抗生成完美提示词

5.图片和图表检测：除了文字，图片和图表也可能被抄袭。

Prompt ChatGPT

构建开源多模态RAG系统

像 Image2Text：这部分重点在于使用基于transformer的架构来改进复杂图像的字幕生成。

RAG 大模型

理解 o3 及其技术分析

但这个图有几个注解： o3模型是针对该测试集优化过的，也就是图里Tuned所指的目前o3的 high-compute 模式定价还没有确定，所以图例的定价并不对，大概只是Arc基于

o3 技术分析

小度为何押注AI眼镜？

从官方发布的参数上看，这款小度AI眼镜配备了1600万像素广角摄像头，重量只有45克，续航却长达56小时，可连续听歌5小时以上，一次充电仅需30分钟。

AI眼镜小度

微调大型语言模型-核心思想和方法介绍

索引的图示。

大模型训练

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

感觉记忆的子类别包括图像记忆（视觉）、回声记忆（听觉）和触觉记忆（触摸）。

Agent

中国大模型融资暗战：罗曼蒂克的快速消亡

不仅友盟的案例如此，吴泳铭参与投资并购的高德，后来也成为阿里不可多得的流量入口。

大模型暗战

学术党狂喜，Meta推出OCR神器，PDF、数学公式都能转

就像下图所展示的，带有数学公式的 PDF，转换起来就比较麻烦。

大模型

医疗+人工智能的创新应用

AI+医疗产业链上游为仪器产商包括影像设备厂商、医疗机器人厂商。

大模型

<...51 52 53 545556 57 58 59 60 ...>

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