文章列表-AI魔法学院

文章列表

ChatGLM3在线搜索功能升级

有兴趣的小伙伴可以进行尝试哦当然还可以在text-generation-webui中使用相同的功能，具体的text-generation-webui部署可以参考如何优雅的使用各类LLM，同样的，我们在项目文件夹中添加如下脚本

ChatGLM3 搜索

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

语音识别模型SenseVoice介绍 SenseVoice 是一个全面的语音基础模型，旨在执行各种语音理解任务，包括自动语音识别（ASR）、语言识别（LID）、语音情感识别（SER）和音频事件检测

asr tts 声音

无一幸免！OpenAI最强竞对Anthropic：“长上下文”让大模型更不安全

具体来说，多样本越狱攻击发生的基础条件是在 LLM 的单个提示中加入人类与 AI 助手之间的假对话。

Anthropic 大语言模型

OpenAI 无需向量化的 RAG 新架构设计范式剖析

第一、文件加载 (Document Loading) 系统首先加载一份长达 1000 多页的 PDF 格式法律文件（比如：《商标审判和上诉委员会程序手册 TBMP》）。

OpenAI RAG 架构

语言大模型100K上下文窗口的秘诀

[技巧5] 条件计算（Conditional computation）避免将所有模型参数应用于输入序列中的所有词元。

大模型

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

因为要同时运行数百个芯片，这种超大参数模型的训练可能要花费数千万美元，系统太复杂还可能会出现硬件故障。

Scaling Law AI大模型

Agent四大范式 | 综述：全面理解Agent工作原理

该策略通过引入一个附加的记忆组件来提升规划能力，该组件中存储了各种宝贵信息，包括基本常识、历史经验、领域专业知识等。

Agent 大语言模型

十大开源语音识别项目

总而言之，趋动云在提供强大计算资源和全面支持的同时，通过其安全可靠的多样化软件配置和强大的GPU计算资源，为研究者提供了一个安心、高效的研究环境。

语音识别开源项目

一个令人惊艳的图片高清化重绘神器：SUPIR来了！

话不多说，先看效果：风景图片感觉这个项目对风景图和物件等真实图片的高清化修复效果是最好的，默认设置就可以出来比较好的效果。

SUPIR 文生图

微软最强全自动数据可视化工具！现已开源

上传文件。

大模型

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

模型架构基础组件协同：OmniVision - 968M的架构由三个关键部分组成。

OmniVision -968M 多模态模型

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

图3：多语言检索效果 b) 通过消融实验对比，可以发现在使用不同相似度计算方式条件下，M3-Embedding中的蒸馏损失都能给最终效果带来明显提升，尤其是对于稀疏检索而言

BGE M3-Embedding 多语音检索

快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模

这一问题在短时间内可能无法彻底解决，但可以做的是，在总体硬件资源有限的条件下，尽可能地提高算力的运用效率。

可灵快手文生视频

【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程

已经有许多优秀的仓库做过这件事情，比如：[Chinese-LLaMA-Alpaca]。

大模型训练

一文带你看懂OpenAI-Sora生成视频的原理

这样一来，视频文件就变得更加小巧，传输起来更加迅速，存储起来也更加节省空间。

视频生成 sora

<...57 58 59 606162 63 64 65 66 ...>

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