文章列表-AI魔法学院

文章列表

AI国力战争：GPU是明线，HBM是暗线

根据行业协会的定义，DRAM可以分为三种：1）主要用在电脑、服务器中的标准DDR，也就是常说的内存条；2）手机和汽车等移动终端领域的LPDDR系列；3）用在数据密集型场景的图形类DDR，HBM正是在这一分类下

GPU HBM 大模型

如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下

一种常见的方法是使用微调来提高模型在特定领域数据集上的准确性。

大模型

详解 Diffusion (扩散) 模型

现在想象一下，将一小滴油漆滴入一杯水中，油漆的密度将集中在一个位置，但随着时间的推移，该滴将扩散到水中直至达到平衡。

Diffusion 开源模型

腾讯开源混元AI绘画大模型

为了全面比较混元大模型的生成能力，团队构建了一个4维测试集，包括文本-图像一致性、排除AI伪影、主体清晰度、美学。

腾讯混元文生图

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

小结一下：这三个模型都能帮我们完成一些简单的文本预处理工作，可能要把问题描述清楚后，效果会更好二、生成最终的训练JSON数据体验下面，用处理好的文本生成类似对话的JSON格式吧，先看下它们的one-shot

大模型

ComfyUI官方使用手册【官网直译+关键补充】

输入(inputs)包括图片(image)，这是需要被模糊化的像素图像，高斯半径(blur_radius)，以及高斯的西格玛(sigma)，西格玛越小，核就越集中在中心像素。

文生图图生图 comfyui

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

embedding 方式 · 65 个不同大模型的支持 LLM 大模型外挂涉及到的组件数量具体的数字无需关注

大模型

CodeGeeX2来了!效果超LLaMA2-70B

进一步经过了 600B 代码数据预训练，相比上一代，能力有全面提升，不同于一代，CodeGeeX2是基于ChatGLM2架构加入代码预训练实现，在代码能力上全面提升，HumanEval-X 评测集的六种编程语言均大幅提升

CodeGeeX2 开源模型

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

F5-TTS在公共的100K小时多语言数据集上进行训练，展现出高自然性和表现力的零样本能力、无缝代码切换能力和速度控制效率。

F5-TTS 音频克隆

Stable Diffusion

深入浅出学习Stable diffusion之线稿转效果图

进入正题：在sd的左上角我们看到秋叶包中加载的暂时只有一个anything的模型，这是一个大体模型，就是很多风格集中在一起的模型，不论是景观、建筑、动漫人物还是什么，但是当你需要出独特的风格图时候就需要更优化的模型

Stable Diffusion 文生图大模型

无限逼近真人效果的“超真实人像大模型”，或许它才是你一直在寻找的真爱！

DeepFloyd I是一种新颖的开源文本到图像模型，具有高度的照片真实性和语言理解能力。

大模型文生图

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

但是对于密集和细粒度感知任务，比如文档级别的 OCR、Chart 理解，特别是在非英文场景，CLIP 表现出了明显的编码低效和 out-of-vocabulary 问题。

OCR 手写文字识别

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

framework for your Retrieval Augmented Generation (RAG) pipelines) 库，我们看到 LangSmith 也针对 Ragas 做了一些集成方面的优化

大模型 LangChain RAG

45个 DALL-E 3 使用案例 (附提示词) ，人人都是设计师

掌握了这个工具，你就拥有了一个免费的设计师。

文生图

TrOCR——基于transformer模型的OCR手写文字识别

该数据集包括数亿张打印文本行的图像。

OCR 手写文字识别

<...64 65 66 676869 70 71 72 73 ...>

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