首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 不会PS也能做神图?豆包AI绘画全解析,让你的创意秒变艺术品!
· Ollama还是vLLM?深度解析四大顶级LLM服务框架:性能、特性与技术选型指南
· 几款开源的OCR识别项目,收藏备用
· 无需翻墙,可合法使用的8款国内AI大模型产品
· stable diffusion如何确保每张图的面部一致?
· PPT又又有新突破了!智谱AI代码流造PPT
· clone-voice:一键克隆声音,开源AI技术让声音创作更便捷、更个性化
· 从思维链(CoT),到思维树(ToT),再到思维图(GoT):用LLMs解决复杂问题!
· 胎教级SO-VITS-SVC使用教程:人工智能生成歌曲
· AI“同声传译”新进展!Google发布,无监督,语音识别:Translatotron 3!
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
ChatGPT
爆肝两天!ChatGPT+提示词解决知识库目录混乱
示例:一家公司正在
评
估其产品线,应用 MECE 原则将产品划分为互斥的产品类别,如电子产品、家居用品、运动用品等,以全面了解每个类别的绩效并做出战略决策。
智能分类
大模型
知识库
大模型
对于大模型RAG技术的一些思考
PP-StructureV2,能够对Text、Title、Figure、Figure caption、Table、Table caption、Header、Footer、Reference、Equation10类区域进行检
测
,
RAG
大模型
AI绘画Stable-Diffusion风格化实战
新模型权重 = 模型 A + (模型 B - 模型 C) * M 我们可以分别
测
试一下融合模型的生成效果。
Stable-Diffusion
文生图
AI文档智能助理都是如何处理pdf的?
PP-StructureV2的主要特性如下: •支持对图片/pdf形式的文档进行版面分析,可以划分文字、标题、表格、图片、公式等区域;•支持通用的中英文表格检
测
任务;•
大模型
LLM
4种通过LLM进行文本知识图谱的构建方法对比介绍
但是我们还没有提到如何建立文本到KG转换的“准确性”
测
试,并且转换后如何进行实体对齐,我们将在后面的文章中继续介绍。
知识图谱
大模型
AIGC
300天里,我帮你踩遍了AIGC创业的各种坑
曾经我们回顾历史,可以动辄以百年为度量单位;然而如今,区区百天时间,这个世界的变化就开始有些难以预
测
。
AIGC
创业
大模型
大模型文本生成——解码策略(Top-k & Top-p & Temperature)
为了生成输出文本,我们需要让模型逐个预
测
每个 token ,直到达到一个终止条件(如一个标点符号或一个最大长度)。
大模型
Agent
Coze多智能体(Multi-Agents)模式体验!
预览与调试区域,这里就是当你把所有的Agent配置完之后,可以在这个区域与它们交互,已
测
试满足我们的需求。
Coze
多智能体
「长文」可能是目前最全的LangChain AI资源库之一
构建、
测
试和指导代理。
工作
Stable Diffusion
嘴里塞饭型Stable Diffusion提示词写法实用小笔记
只是两种写法不一样,亲
测
下面的不如上面的写法好用。
stablediffusion
prompt
提示词
一人搞定30万商品分类:AI落地实践故事!
实
测
下来,4bit LLM能力有限,输出的准确度和格式的一致性不能保证。
embedding
大数据
分类
腾讯
深度体验3天后,我把腾讯这款copilot锁进了程序坞
ima通过网罗知识库中迪士尼攻略相关笔记的精华,列出了游乐园中主题活动的时间、具体的游玩路线、客流预
测
、优惠信息,以及多种游玩形式。
copilot
ima
知识库
大模型
大模型落地“诸神之战”,场景玩家先杀出重围了
同时全民营销助手还能监
测
导购传播数据、通过热门排行榜PK等方式,激励导购持续创作并发布内容。
大模型
文生图
RAG
RAG 2.0,终于把RAG做对了!
RAG系统之所以能够首先工作,是因为LLM的最大超能力:上下文学习,这使得模型能够使用以前未见过的数据,在没有权重训练的情况下进行准确的预
测
。
RAG
大语言模型
ChatGLM
ChatGLM3-6B 功能原理解析
re.findall(pattern, text, re.DOTALL) return matches[-1][1] 更多的细节可以参考官网综合 Demo 的源码[5],如果在
测
试过程中遇到问题
ChatGLM3
大模型
<
...
56
57
58
59
60
61
62
63
64
65
>
1
2
4
5
6
7
8
9
100