文章列表-AI魔法学院

文章列表

AI落地里那些假的机会

一定程度上硬的部分总是比软的部分关键。

大模型

解读 Openai 给 DALLE3 设的完整系统提示词

相反，创建dalle的提示时应用以下程序:(a)用三个形容词替代艺术家的名字，这些形容词捕捉到风格的关键方面:b)包括与之相关的艺术运动或时代以提供上下文;以及(c)提到艺术家使用的主要媒介。

提示词绘画 DALLE

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

以前，智能玩具里只能播放预设的程序和声音，顶多就是进行一两轮简单提问，你可以理解成是“单向输出”，现在有了这个 openAI 的实时语音软件开发包，就变成了“双向交互”，能和你进行实时的语音对话。

OpenAI 嵌入式实时语音 SDK

RAG 2.0来了，它能成为生产落地的福音吗？

这样的系统不仅脆弱，缺乏对特定部署领域的机器学习和专业化调整，而且对大量的提示高度依赖，这使得系统在运行过程中容易出现连锁性的误差。

RAG 大模型

角色，背景，任务，产出内容与形式：如何写出优雅的prompt？ - 通用的万能框架

可能还是有点难以理解，这里我用一个例子给大家解释：你叫小帅，是一个卑微打工人。

提示词 prompt

Stable Diffusion

Stable Diffusion | 常见问题清点汇总

详细安装教程可以看一下这篇推文： Stable Diffusion | 如果roop换脸是马，这个插件就是骡子四、模型切换失败解决方案： 1.

Stable Diffusion 问题汇总

OCR的终极解法——传统算法VS多模态大模型

多模态大模型是一类采用深度学习技术构建的人工智能模型，它能够处理和理解多种类型的数据模态，如文本、图像、声音等。

OCR 大模型文字识别

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

本文作者研究主要关注两个问题：1）基于工业领域中的PDF文档，将单模态文本、单模态图像、文本+图像双模态放入RAG系统中，看一看文本+图像双模态是否能够提升RAG系统的性能？

大模型研究

玩一玩阿里通义千问开源版，Win11 RTX3060本地安装记录

ensp; 除此之外还有：英文测评（南玻王）代码测评（南玻王）数学测评（南玻王）长序列测评（南玻王）工具使用能力测评

大模型

七问大模型幻觉｜LLM Hallucination

这种差异，有时可能是在数据收集过程中不经意间产生的，有时则是故意为之。

大模型

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

VisCPM 论文地址：https://arxiv.org/pdf/2308.12038.pdf 与此同时，在 MiniCPM-2B-128K 上，团队通过多阶段训练方法，在训练过程中使用课程学习

MiniCPM 大模型

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

其次，引入了“协同扩散”算法，该算法能够在统一的去噪过程中协同使用具有不同潜在空间和预定义分辨率的各种预训练扩散模型。

PanGu-Draw 文生图

生成式AI领域拓展！MetaAI开源AudioCraft：一个支持AudioGen、MusicGen等模型的音频生成开发框架

音乐可能是最具挑战性的音频类型，因为它由局部和长程模式组成，从一系列音符到具有多种乐器的全局音乐结构。

开源模型

图片拖拽神器DragGAN介绍及官方安装文档说明

拖放生成器使用两个阶段的训练过程来生成转换后的图像。

开源

解读：一个数学在线教育网站如何做到一千万月访问量

我是哥飞，公众号：哥飞从一本书名到发现一批大流量工具站和内容站全流程揭秘给大家看下当时文章的截图：所以你会发现，SEO做得好的网站，我们会在各种关键词里重复见面。

访问量

<...75 76 77 787980 81 82 83 84 ...>

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