文章列表-AI魔法学院

文章列表

语言大模型100K上下文窗口的秘诀

但如果不是在100K词元上训练出来的，那么该模型在100K词元的推理过程中不会产生有意义的推理结果。

大模型

大模型实践总结

理解能力：提出一些需要深入理解文本的问题，看模型是否能准确回答。

大模型训练

AnimateDiff 生成补间动画

主要的实现原理： 1 通过controlnet的tile来处理 2 设置timestep_keyframe控制每一帧controlnet的权重

文生图 AnimateDiff

Stable Diffusion

Stable Diffusion的模型分类以及使用

01 SD模型的管理建议开始SD模型的分类及使用介绍之前，这里先给大家在模型管理方面一点点小的建议。

文生图

评论能力强于GPT-4，上交开源13B评估大模型Auto-J

性能开销方面 · 在性能和效率上，Auto-J 的评估效果仅次于 GPT-4 而显著优于包括 ChatGPT 在内的众多开源或闭源模型，并且在高效的 vllm 推理框架下能每分钟评估超过

Auto-J 大模型

用so-vits-svc-4.1进行音色转换的极简教程！

声音转换，通常需要经过以下几步： · 1 声音处理 · · 2 主模型训练 · · 3 推理 ·

so-vits-svc 音色转换教程

Agent具体实现

· 2 原理 Thought->Action->Observation (

Agent 大模型

生成式AI与大语言模型的区别

其秘密：理解单词之间的上下文和关系。

生成式AI 大语言模型区别

一文汇总大语言模型LLM所有prompt提示词框架的论文出处

能够让大模型推理结果变得更好的基础优化手段已经非常多了，这里梳理了常见的提示技术手段和对应的论文： - Zero-shot（零样本提示）：https://arxiv.org/abs/2109.01652

prompt 提示词

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

但精度相对较低，无法处理语义相似的文本。

大语言模型 RAG检索增强

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

这种集成不仅提高了信息的利用效率，还加快了推理速度，提升了 14.3%。

JoyHallo 数字人开源模型

傻瓜式！一键部署ChatGLM3，免去环境烦恼+开箱即用！集成API调用！本地化界面操作！

4/45 安装好环境之后，我们要点击 “2-2.安装依赖.bat” 这个脚本，无需管理员身份，双击即可！

ChatGLM3 大模型

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

ViTPose+进一步拓展到多种不同类型的身体姿态估计任务，涵盖动物、人体以及典型的身体骨骼、手、脚、脸部等关键点类型，在不增加推理阶段模型复杂度和计算复杂度的情况下，实现了多个数据集上的最佳性能。

ViTPose+Transformer 身体姿态

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

Qwen2 系列模型在代码和数学能力上有显著提升，尤其是在长文本处理方面，其中 Qwen2-72B-Instruct 模型能够完美处理 128k 上下文长度内的信息抽取任务。

qwen 千问开源

基于本地知识的问答机器人langchain-ChatGLM

abbucket=6&id=656544342321&ns=1&spm=a230r.1.14.48.b3f84f64A9YLJ0的"宝贝详情"和"尺码推荐"整理成《local_knowledge_clothing_describe.txt

langchain

<...65 66 67 686970 71 72 73 74 ...>

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