文章列表-AI魔法学院

文章列表

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

主动Agent技术原理下图展示了主动 Agent 技术原理的整体流程。

Agent 大模型

详解 Diffusion (扩散) 模型

如果我们能逆转这个过程不是很好吗？

Diffusion 开源模型

Windrecorder：连续记录屏幕内容，通过OCR技术识别记录内容

优化流程，提升性能添加画面模态的识别，以实现对画面内容描述的搜索记录前台进程名与记录OCR词语对应位置，以在搜索时作为线索呈现

Windrecorder 录屏

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

方法提出的MagicPose流程概述。

MagicPose 视频

向量数据库简介和5个常用的开源项目介绍

这些数据可能包括文本、图像、音频和视频，使用各种过程(如机器学习模型、词嵌入或特征提取技术)将其转换为向量。

开源模型

AI文档智能助理都是如何处理pdf的？

ppstructure PDF2Word 其中PDF2Word是PaddleOCR社区开发者 whjdark[1] 基于PP-StructureV2版面分析与恢复模型实现的PDF转换Word应用程序

大模型

《嬛嬛朕emo啦》但马斯克！阿里这项技术开放试玩

在生成过程中，面部定位器（Face Locator）用来编码面部的边界框区域。

音频阿里

阿里RAG新框架R4：增强检索器-重排序-响应器，5个知识密集任务上都超过Self-RAG等！

具体过程包括： o 文档顺序调整：利用图注意力学习将检索文档动态调整到开始、中间和结束位置，以最大化回答质量的强化奖励。

RAG 检索大型语言模型

【ComfyUI】爽玩必备,6大插件汇总推荐！

我们使用一个简单的文生图流程，可以看到翻译信息是可以正确的传递到最终的输出的。

comfyui 文生图

无需编码，轻松提升图像品质：探索ComfyUI的图像增强功能

由于这种简单的方法，它可以被广泛的用户访问，无论他们的编程知识如何。

文生图

Selenium+ddddocr | 再也不担心图片验证码

进行文字识别 res = ocr.classification(yzm.screenshot_as_png) print(f'验证码为：{res}') 运行该程序

Selenium ddddocr库

白话Embedding：普通人都能懂的科普文

在一些用例中，我们甚至可以在没有明确说明哪些特征相关的地方构建嵌入，我们让神经网络在训练过程中弄清楚。

Embedding 向量

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

应用效果》； · 再之后是优化embedding模型：Embedding模型的选择其实很魔性，我们在优化过程中也会不断否定之前的一些判断

RAG 检索增强

令人惊艳的开源图标生成AI模型：ChartLlama （南洋理&腾讯）

ChartLlama的优势在于它可以使用自然语言来与你交互，你不需要学习复杂的语法或者编程，只需要用你平时说话的方式来告诉它你想要做什么，它就会尽力满足你的需求。

ChartLlama 开源模型图标

Byzer-LLM 快速体验智谱 GLM-4

现在，可以开始我们的使用旅程了。

Byzer-LLM GLM-4

<...61 62 63 646566 67 68 69 70 ...>

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