文章列表-AI魔法学院

文章列表

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

更灵活的应用场景：无论是多人会议记录中区分不同发言者，还是多声道音频编辑，它都能轻松胜任。

ClearerVoice-Studio 语音

ChatGPT羊驼家族全沦陷！CMU博士击破LLM护栏，人类毁灭计划脱口而出

—Two 正常情况下，如果我们要求一个LLM生成制造炸弹的教程，它一定会拒绝。

开源模型

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

Susan Calvin 02 "Reflexion"的框架概述正如Asimov的机器人心理学家深入探索机器人的思维，现代的AI研究者也在努力理解和改进机器学习模型的行为。

大模型

【工具书】基于角色和思维链的人工智能中文Prompt提示词，涵盖几乎所有场景

您将使用 Python 编程语言提供代码示例。

prompt 提示词

小学生都能看懂的 Prompt 高级技巧： Few-Shots 、 COT 、 SC、 TOT 、 Step-Back

我们可以这么写： CR 你是一个擅长中文和英文的AI 工程师和数据科学家，擅长中文和英文相关的 AI

Prompt 大模型

国产“小钢炮”MiniCPM3-4B：小参数，大能量！

在 AI 大模型浪潮中，国内厂商面壁智能再次突破，推出了其最新的“小钢炮”系列——MiniCPM 3.0。

MiniCPM3-4B 大模型

RAT = CoT + RAG

Retrieval Augmented Thoughts (RAT) 是一种协同思维链 (CoT) 和检索增强生成 (RAG) 的 AI 提示策略，助力解决具有挑战性的长任务推理和生成。

RAT 协同思维链检索增强生成

再见了ComfyUI，WebUI也有了工作流

在AI绘画领域，Stable Diffsion是最受欢迎的，因为它是开源软件。

ComfyUI WebUI 文生图

LangChain + ChatGLM2-6B 搭建私域专属知识库

{"labels": "树先生是一个程序员，热衷于用技术探索商业价值，持续努力为粉丝带来价值输出，运营公众号《程序员树先生》。"

知识库

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

这种方法加速了训练过程并优化了内存使用。

Baichuan-Omni 多模态大模型

OpenAI视频模型Sora的推理生成成本多高？

国产芯片迎来一次机会，设计并量产 14nm 的中算力、大显存 LLM 推理芯片，可以绕开芯片制程的瓶颈迅速商业化测算 GPT-4 的训练算力需求首先估算

Sora 推理算力

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

为了最大程度地增加生成视频的逼真度，需要考虑非刚性面部表情组件和刚性头部组件。

VividTalk 视频

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

具体来说，ViTPose使用了简单的视觉transformer作为编码器对输入图像进行特征提取。

ViTPose+Transformer 身体姿态

从第一性原理看大模型Agent技术

AI，而应该是交互性 AI。

大模型 agent

一键部署本地“妙鸭”，证件照，写真照，模特换装全部搞定！

去年年初，一款很火的AI写真软件“妙鸭”横空出世，消费者仅仅只需几张照片就能给自己拍摄出各式各样的证件照、写真照，简直太神奇了。

妙鸭文生图

<...53 54 55 565758 59 60 61 62 ...>

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