文章列表-AI魔法学院

文章列表

如何提升 GPTs 的翻译效果？

回读这些内容时，我感到非常苦涩，每一个我本想告诉你的词，我想要揭示的一切，现在都变得无声，被时间遗忘。

GPT 翻译

关于GPT-4在变笨，有人写了篇论文证实了这一点

论文中用了 longitudinal drifts 纵向漂移这个词来形容模型能力随着迭代和时间变化而带来的不稳定性，尽管论文本身没有给出具体的原因，但这篇论文已经在Twitter上引起了广泛讨论，不少人都认为

大模型

OpenAI开源大模型调测工具Transformer Debugger：可以在训练大模型之前理解模型的运行情况并干预

如下图所示：在这里，最上面的Prompt of interest是指输入的prompt，中间的Model-generated explantions是对当前选中单词的解释。

大模型调试工具

Stable Diffusion

stable diffusion 远端跑图—— Api基础知识掌握

sdapi/v1/txt2img 常用输入如下 /sdapi/v1/txt2img{ "denoising_strength": 0, "prompt": "puppy dogs", //提示词

文生图 api

深度好文，Agent盛行前传

（可以理解为有一个进度条，能够看到不同子目标的进度和总目标的进度）假设：人工智能将在agent追求最大化奖赏时出现我最近有经常看到“智能涌现”这个词，而通读论文后，能够知道了底层原因是什么，

Agent 大模型

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

比较难生成包含正确文本的图像，比如下面的"deep learning"：最主要的原因还是CLIP image embedding本身，通过对比学习训练的CLIP image embedding在区分属性和拼写单词方面均不太行

Kandinsky-3 文生图开源模型

MindChat心理大模型

数据词云目前MindChat的开源模型采用了经过人工清洗的约20万条的高质量多轮心理对话数据进行训练, 涵盖工作、家庭、学习、生活、社交、安全等多个方面因数据权限限制, 我们目前仅开源了极少量的数据案例

心理大模型

依赖倒置：以数字和AI的思维模式思考

真正想用的数据不准在于定义根本就不统一（过去干这活要建词典）。

写文章

微调大型语言模型-核心思想和方法介绍

（硬）提示调整的图示顺便说一句，我们称之为硬提示调整（hard prompt tuning），因为我们是直接修改输入的单词或标记。

大模型训练

SDXL风格插件，超越Midjourney的时刻来了

下文的样图，使用的模型是dreamshaperXL，提示词：masterpiece,best quality,1girl,garden in dystopian postapo ruins, upper

SDXL

中国大模型融资暗战：罗曼蒂克的快速消亡

这种境况，也难免令人从如今的杨植麟联想到当年的蒋凡。

大模型暗战

冲击传统模特，商汤发布高质量虚拟试衣Diffusion模型

大多数先前的工作是在低分辨率条件下完成虚拟试穿任务，并取得了令人满意的结果。

文生图

阿里Qwen3系列模型惊艳亮相

不过考虑到这是在简单提示词下得到的结果，已经很不错了。

阿里 Qwen3 大模型

大模型落地“诸神之战”，场景玩家先杀出重围了

整个模型矩阵由自然语义+视觉+视频三方面构成，其中自然语义大模型是底层模型，它确保模型能够充分理解语言、提示词；视觉模型、视频模型构建在此基础之上。

大模型文生图

大模型：泛化即智能，压缩即一切！

定义5：压缩和预测下一个单词本质上是等价的。

泛化大模型

<...69 70 71 72 73 74 757677 78 >

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