文章列表-AI魔法学院

文章列表

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

我们的模型训练过程包括两个阶段：多任务预训练和监督微调。

大模型语音

LLM微调神器Lamini，疯狂获星1.9k，免费可用！！

而这个过程复杂且繁琐。

大模型

20%杨幂+80%霉霉=？这款“人脸拼接”的AI应用还能这么玩

第四步：（可选）输入文本提示词并选择风格。

InstantID 文生图

人工智能训练的灾难性遗忘以及解决方案

基于深度学习的智能体们就像陈列在书架上的一本本工具书，它利用预先收集好的静态的数据集学习，在学习过程结束后就是一种静态（没有生命）的存在。

人工智能大模型

被低估的面壁：打造出不输 OpenAI 的 Scaling Law 曲线

此外，围绕“高效训练”，面壁不仅仅在模型的训练层发力，在底层计算和数据层也有深入思考，全面系统地推进大模型上下游工程。

Grok-1 开源模型

使用stable diffsion对老照片进行AI高清放大修复

点击后期处理即可进入。

SD 高清老照片修复

蚂蚁推出ProChat：快速搭建大语言模型 Chat 对话的前端组件库

· 程序控制（Refs）: 精确控制对话流程，允许开发人员创建定制的对话体验。

ProChat 大语言模型

领域大模型-训练Trick&落地思考

现有大模型在预训练过程中都会加入书籍、论文等数据，那么在领域预训练时这两种数据其实也是必不可少的，主要是因为这些数据的数据质量较高、领域强相关、知识覆盖率（密度）大，可以让模型更适应考试。

垂直训练大模型

好看的图片不知道怎么写提示词？用AI读出来

本质上是把人工打标的过程逆操作，AI经过训练，逐渐“学”会了人类的打标过程，就可以利用大模型给图片打标。

文生图

打磨 8 个月、功能全面升级，Milvus 2.3.0 文字发布会现在开始！

接下来，我将从 7 个方面带大家深入了解 Milvus 2.3.0。

大语言模型

一个令人惊艳的图片高清化重绘神器：SUPIR来了！

11、引入噪音：会在每次采样时加入一些噪音，值越大生成图片的变化会更多一些。

SUPIR 文生图

LangChain - RAG：线上系统多文档要频繁更新，每次都要重新花钱做一次 embedding，老板不批预算，批我...

这一步、embedding 之前针对没个 chunk 做一次 hash，记录下来 hash 值，每次源数据更新了只需要在这一步里面比对一下，更新的 chunk 对应的 embedding 删掉，生成新的插入到原有向量数据库中就好

大模型

Agent : 一文读懂LLM Agent架构，详解Profile，Memory，Planning，Action模块作用

格式上，内存信息可以用自然语言表达，也可以编码为向量嵌入提高检索效率。

大模型 LLM Agent

如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下

这对于生成用于创意写作或头脑风暴会议的文本等用例来说可能很好，但当输出用于客户支持等业务应用程序时，它可能是灾难性的。

大模型

如何改善你的回测方法，提高策略的未来收益

其优点是结果易于分析和解释，但缺点是只测试了单一路径，增加了过度拟合的风险，并假设过去的事件和过程会在未来重复。

回测方法

<...72 73 74 757677 78 79 80 81 ...>

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