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
· 字节跳动最强AI工具 “豆包” ,近1000款应用!一句话自动生成图文,堪比ChatGPT?
· Suno音乐新手指南(手把手完整版教程)
· 了解Kimi必看的26个问题 | Kimi系列文(二)
· 人工智能训练的灾难性遗忘以及解决方案
· 5个最佳开源RPA框架!
· 性能超出预期!神秘的国产大模型 Kimi 开放 API
· Agent具体实现
· Midjourney AI绘画美女提示词分享一
· 盘点字节跳动最新的AI应用
· AI自动生成视频全流程干货
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
GPTs
深入探讨GPTs和AI Assistant
nbsp;client.beta.assistants.create( name="Math Tutor", # 助手的名
字
GPTs
AI
Assistant
SQL
微信为什么使用 SQLite 保存聊天记录!
布尔
字
面量和判断 2.
SQLite
微信
数据库
SQL
微信为什么使用 SQLite 保存聊天记录?
布尔
字
面量和判断 2.
SQLite
微信
数据库
吴恩达老师建议大家关注 AI 智能体工作流
通过采用智能体工作流,我们可以引导大语言模型对文档进行多轮迭代处理,仿佛它在多次精细
打
磨它的作品。
智能体
大语言模型
语音
「语音识别的未来已来」——探索Distil-Whisper,轻量级AI的强大力量
Distil-Whisper的出现,不仅为技术专家和开发者提供了新的工具,也为广大用户
打
开了通向便捷、高效未来世界的大门。
Distil-Whisper
语音识别
ChatGPT
15种ChatGPT高频用法
旅行建议目的地选择、行前规划、预算管理、健康考量、文化准备、行李
打
包、安全措施 8.
大模型
效率
最顶尖的大语言模型人才,只关心这10个挑战
假设一家公司为客户构建了一个聊天
机
器人,要让这个
机
器人能够回答任何产品的任何客户问题,那么所需上下文,可能是客户的历史记录或该产品的信息。
大语言模型
写作
15个中文AI写作提示词帮你覆盖所有主流写作场景!!!
文本内容是:{{文本}} 输出
字
数:{{输出
字
数}} 输出语言:{{输出语言}} 符合要求: 1、符合语法要求 2、概括后进一步优化 &ensp
写作
prompt
提示词
Stable Diffusion
Stable Diffusion|背景替换只需要两分钟!
打
开Stable Diffusion,点击顶部栏的“Inpaint Anything”,然后上传一张图片,选择一个“Segment Anything”的模型。
SD
背景
文生图
理解 o3 及其技术分析
第二,我相信在o1推出时,OpenAI内部并没有认为这就是GPT-5,所以才给了它这样一个名
字
,在当时官方也有表态这是一个推理模型路线。
o3
技术分析
提示词
十个节省数百小时无聊工作的GPT提示词
翻译提示:“如何更好地组织我的数
字
文件和文件夹以查找文档,消除不必要的搜索并节省时间。”
prompt
提示词
大模型
国产大模型与全球最强大模型大比拼:语义理解、数学推理同台竞技,究竟谁更厉害
该测试涵盖57项任务,包括初等数学、美国历史、计算
机
科学、法律等。
大模型
Transformer
图解 transformer——逐层介绍
每个文本序列在输入嵌入层之前,都已被映射成词汇表中单词 ID 的数
字
序列。
Transformer
大模型
图解
大模型
微调、训练大模型概念介绍及论文笔记:Tuning系列论文笔记
任务输入前添加一个自然语言任务指令和一些示例,直接在预训练语言模型中统一建模,比如GPT2/GPT3 前缀微调(Prefix-tuning) 将prompt方式扩展到连续空间,在每层输入序列前面添加prompt连续向量【随
机
初始化
训练
微调
ChatGPT
三个大模型(ChatGPT,文心一言,Baichuan-13B),帮我生成中医《本草纲目》的训练数据
因此,只要把其中以数
字
(1,2,3等)序号里的文本摘出来,处理成JSON格式,然后把它们变成一个问-答 对的形式,模仿病人和医生的对话,就可以放到大模型训练了。
大模型
<
...
63
64
65
66
67
68
69
70
71
72
...
>
1
2
4
5
6
7
8
9
100