文章列表-AI魔法学院

文章列表

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！

以往这一任务需要文本识别、布局检测和排序、公式表格处理、文本清洗等多个步骤—— 这一次，只需一句话命令，多模态大模型 Vary 直接端到端输出结果：无论是中英文的大段文字

OCR 手写文字识别

我用AI写小说：「国学篇」如何将国学插入小说中

例如，可以设定一位现代人穿越回古代，学习并运用国学知识解决问题的情节。

国风国学写作

清华大学ChatGLM团队发布AI Agent能力评测工具AgentBench：GPT-4是全能战士，超越所有模型

PART 01 未来大模型的发展方向：AI Agent 大语言模型（Large Language Models, LLM)最核心的能力是对语言的处理，具备良好的意图识别和文本生成能力让 LLM

GPT-4

GTC大会黄仁勋发言稿

希望你们意识到这里不是音乐会，而是一个开发者大会。

黄仁勋 nvidia

Github上Star数最多的大模型应用基础服务：Dify 深度解读

丰富的召回模式用户可以自由选择所需的召回模式： N 选 1 召回：先根据用户输入的意图选择合适的知识库，然后从知识库检索所需的文档，适用于知识库彼此隔离，不需要互相联合查询的场景

Dify 大模型知识库

回望做大模型一年后的感悟

近距离看到了老王和光年从风风火火到突发意外，也亲自参与了所谓的“百模大战”，还经历了被人误解的“llama套壳”风波，真的是无比魔幻的一年。

大模型感悟

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

作为一种重要模态，语音提供了超越文本的多样且复杂的信号，如人声中的情感、语调和意图，自然声音中的火车汽笛、钟声和雷声，以及音乐中的旋律。

大模型语音

基于中文金融知识的 LLaMA 系微调模型的智能问答系统：LLaMA大模型训练微调推理等详细教学

基于中文金融知识的 LLaMA 系微调模型的智能问答系统：LLaMA大模型训练微调推理等详细教学基于 LLaMA 系基模型经过中文金融知识指令精调/指令微调(Instruct-tuning) 的微调模型

LLaMA

Kimi+扣子Coze，我零门槛制作了一个好用的智能体Agent | 智能体开发

开发者在扣子（coze.cn）上，可以体验到 Kimi 大模型全新的 Tool Calling 能力和超强的用户意图识别能力，将这颗全新的'大脑'与平台上丰富的插件、工作流等能力结合，低门槛地打造各种业务场景下的

Kimi 扣子Coze 大模型

Stable Diffusion

Stable Diffusion基础：ControlNet之细节替换

Tile 的原意是瓦片、瓷砖。

StableDiffusion 文生图

chatglm3基础模型多轮对话微调

项目地址 https://github.com/minghaochen/chatglm3-base-tuning 介绍 chatglm3发布了，这次还发了base版本的模型，意味着我们可以基于这个

ChatGLM 微调

牛顿力学在AI中失效？Transformer模型能完美预测却不懂物理，哈佛团队揭示模型缺失物理常识

虽然从某种意义上说这个想法是新颖的，但从另一种意义上说它又是古老的。

Transformer 大模型

无显卡+纯本地跑Qwen1.5版模型！0基础闭眼部署指南！适用绝大部分开源模型！llama2+Mistral+Zephyr通杀！

在新年几天，把知识图谱和高级RAG应用干完！

Qwen1.5 开源模型

学会这招，一个头像变100种风格！

在 Mijdourney 里，如何根据一张图随意切换风格？

Remix 文生图

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

实时语音识别：听写文本并获得即时转录。

AI语音克隆实时语音识别

<...3 4 5 678 9 10 11 12 ...>

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