文章列表-AI魔法学院

文章列表

StableDiffusion

StableDiffusion模型推荐系列（功能型）

分辨率：1024+ 采样器：DPM++SDE 迭代步数：8-10 CFG：3-5 tips：这里的参数与适配的大模型一致，跟LoRA本身没太大关系，比如我用的大模型是DreamShaper XLv2.1

StableDiffusion 文生图

新测试基准发布，最强开源Llama 3尴尬了

Arena-Hard利用竞技场实时人类数据构建，与人类偏好一致率也高达89.1%。

Llama 3 大模型开源

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

大模型通过海量数据和超高数量的参数，实现面向复杂问题的“预测”能力。

大模型

金融行业的开源AI大模型

该项目通过五层全栈框架提供综合的市场覆盖，包括数据源层、数据工程层、LLMs层、任务层和应用层，旨在解决金融数据的高时效性和低信噪比问题。

开源大模型

从零开始学习大模型-第二章-大模型学习路线

必备基础知识数学基础：深入理解线性代数、概率论和统计学、微积分等基础数学知识。

大模型学习

一本Python爬虫的书，凭什么能畅销10W册

它们可以在互联网上自动收集数据，将收集到的数据返回到本地服务器，并对这些数据进行一些处理。

爬虫 python

GitHub上的RPA小工具，可以将重复、繁琐的任务自动化

例如，可以编写脚本来自动填写表格、处理电子邮件、进行数据输入、生成报告等。

RPA 自动化

完整ChatGLM3部署教程，支持手机和车载平台部署

、更充分的训练步数和更合理的训练策略。

ChatGLM3 大模型

详解大模型RLHF过程（配代码解读）

在游戏场景，每个step给环境一个action之后，agent拿到的state都是会变化的，通常也会设计奖励函数使得每个step都会有reward；但是在用强化学习微调语言模型这里，prompt是state

训练

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

为了探索使用ImageNet数据进行预训练是否是不可避免的，ViTPose探索了能否只使用姿态估计数据（MS COCO和AI Challenger数据）进行预训练。

ViTPose+Transformer 身体姿态

RAG 2.0，终于把RAG做对了！

一切都关乎语义相似性顾名思义，其理念是从已知数据库中检索数据，这些数据是LLM很可能从未见过的，并实时将其输入模型中，使其具备最新且重要的是语义相关的上下文，以便提供准确的答案。

RAG 大语言模型

Stable Diffusion

Stable Diffusion快速生图，LCM-Lora、sd_xl turbo寄养和亲生谁好？！

这种方法使用分数蒸馏来利用大规模现成的图像扩散模型作为教师信号，并将其与对抗性损失相结合，以确保即使在一个或两个采样步骤的低步骤状态下也能确保高图像保真度。

sdxl SD 绘画

实现聊天机器人打字机形式输出内容：SSE原理介绍及Post实现方式

我们常见的 http 交互方式是客户端发起请求，服务端响应，然后一次请求完毕；但是在 sse 的场景下，客户端发起请求，连接一直保持，服务端有数据就可以返回数据给客户端，这个返回可以是多次间隔的方式

大模型

《构建个人知识图谱》：让 AIGC 帮你自动构建知识图谱

利用 LLM 知识生成摘要的局限性大多数情况下，LLM 应用都是使用 LLM 本身的知识，针对个人知识库也一样。

提示词文生图 AIGC

SD3 正式开源 Sora同源架构

本次模型参数量不是很大就当8-12G起吧 SD3的更新特点采用Diffusion Transformer（DiT）架构：Stable Diffusion 3.0采用了与Sora相同的DiT架构，这种架构设计使得系统的扩展性更强

SD3 绘画

<...62 63 64 656667 68 69 70 71 ...>

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