文章列表-AI魔法学院

文章列表

Yann LeCun杨立昆最新观点：AGI不存在

-- LLM无法将他们的理解扎根于现实：他们无法在现实世界中采取行动或通过具体经验进行学习。

AGI 大语言模型观点

CodeGeeX2来了!效果超LLaMA2-70B

很多时候对于公司内部业务代码开发场景，由于代码安全性，很难使用 Github Copilot 去 AI 生成，发现清华发布了「CodeGeeX2」，基于 ChatGLM2-6B 基座模型

CodeGeeX2 开源模型

聊聊我对AI Agents技术的一些看法

Learning”的概念，将之前的各种垂直领域的智能体放置于一个统一的框架之下，其中大模型仍然作为“控制器”，用于完成针对人类的“意图识别”，针对可选工具的“组织规划”，并且引入了“感知器”向大模型报告“执行结果

AI Agents 大模型

玩一玩阿里通义千问开源版，Win11 RTX3060本地安装记录！

预训练数据类型多样，覆盖广泛，包括大量网络文本、专业书籍、代码等。

通义千问

45个 DALL-E 3 使用案例 (附提示词) ，人人都是设计师

无论你从事什么行业，它总能在一些场景下帮到你。

文生图

颠覆数据存储方式：向量数据库的威力

与传统的数据库相比，向量数据库能够更快速地处理大规模的数据，并且能够快速地进行向量相似度搜索，因此在大数据时代中，向量数据库具有巨大的应用潜力和发展前景。

编程数据库

吴恩达老师建议大家关注 AI 智能体工作流

吴恩达老师建议大家关注 AI 智能体工作流，可以大幅提升 AI 应用的性能，并且他们总结了一套智能体设计模式： · • 反思：让大语言模型对自己的结果检查改进 ·

智能体大语言模型

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

接着进入监督微调（SFT）阶段，借助基于图像的问答数据集，模型进一步增强对上下文的理解能力，通过对包含图像的结构化聊天历史记录进行训练，不断优化其对不同场景下视觉和文本信息综合处理的能力。

OmniVision -968M 多模态模型

数据脏乱差？一款开源神器让你的大模型更“干净”——Dingo 上手体验

可视化报告：跑完之后直接产出前端页面 + summary.json，清晰展示总体分数、问题比例，像给数据开了“体检报告”。

Dingo 大模型

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

我们在30个不同类型的下游CV 任务上进行了基准测试，并展示了我们模型强大的迁移能力，其在很多下游任务上不需要任何额外的数据也能比拟完全supervised的模型。

OpenAI 自然语言监督

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

深度学习基础Westlake - Omni构建在深度神经网络的基础上，融合了多种先进的网络结构。

Westlake -Omni 语音

基于本地知识的问答机器人langchain-ChatGLM

比如数字人虚拟主播、某公司的智能客服等都需要围绕具体的业务来进行问答。

langchain

AI绘画Stable-Diffusion风格化实战

MidLibrary 它总共包含了以下几大类别的样式: · 艺术技法(Artistic Techniques

Stable-Diffusion 文生图

接私活必看的11个开源项目

定时任务：在线（添加、修改、删除)任务调度包含执行结果日志。

私活开源项目

新模型Cascade你真的用对了吗？！

summer park，full-size photograph，full-size photograph 通过以上的图片，小伙伴更喜欢哪种模型出的效果呢~ 根据官方给到的评估结论

Stable Cascade 模型

<...55 56 57 585960 61 62 63 64 ...>

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