首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 了解Kimi必看的26个问题 | Kimi系列文(二)
· Midjourney AI 绘画美女提示词分享一
· 交友神器!AI二维码终极教程,3步做出你的专属艺术二维码!
· Suno音乐新手指南(手把手完整版教程)
· 盘点字节跳动最新的AI应用
· 深入探讨:Agent全自动写作长篇小说技术原理解析
· 惊艳推荐!8款好用又免费的文本转语音TTS工具
· 中文版开源Llama 2同时有了语言、多模态大模型,完全可商用
· 颠覆数据存储方式:向量数据库的威力
· 主流向量数据库一览
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
Sora
微软研究团队:Sora核心技术及未来机会研究报告-中英对照版
限制与机遇:尽管 Sora 取得了显著的技术进步,但仍面临挑战,如更复杂动作的呈现和微
妙
面部表情的捕捉等。
sora
论文
RAG
忘掉 RAG,未来是 RAG-Fusion!搜索的下一个前沿:检索增强生成遇上倒数排名融合和生成查询
为了解决这些问题,我们需要一个不仅仅是检索我们所问内容的系统,而是能够理解我们查询背后的微
妙
之处,而不需要更先进的大型语言模型(LLM)。
RAG-Fusion
检索增强
Sora
微软对 Sora 进行了逆向工程分析,揭秘 Sora 的秘密
· 限制与机遇:尽管 Sora 取得了显著的技术进步,但仍面临挑战,如更复杂动作的呈现和微
妙
面部表情的捕捉等。
Sora
微软
教程
Suno音乐新手指南(手把手完整版教程)
妙
手偶得。
suno
歌曲
教程
社区供稿|GPT-4 与国产模型,大!横!评!
答:Beyond 和 刘德华 GLM4:GPT4:文心4.0: 豆包:测试了一首我很喜欢但是相对冷门的歌词,除了豆包莫名其
妙
判断不恰当以外,其他3家再积10分~本环节分数如下2、数据分析最期待的新功能
GPT-4
大模型
我们需要的不是智能体,而是工作流(5000字保姆式教学)
通过具体的场景描述或案例分析,增强文章的真实感和代入感 - 在叙述中适时加入独立女性的独特视角和思考 - 巧
妙
运用修辞手法
工作流
教学
知识树:一个方法,教你构建「终身知识体系」
——《认知红利》 某书友如此形容这一过程: 最喜欢这种看过的书在另一本书出现的情形,感觉很
妙
,知识被重复了一遍,像是形成了一个体系,一张网,联接了起来。
大模型
Stable Diffusion
万字长篇!超全Stable Diffusion AI绘画参数及原理详解
它的目的是通过巧
妙
地使用先前时间步骤的值来提高准确性。
文生图
RAG
2023检索增强生成技术(RAG)研究进展
想要打造一个出色的 RAG(检索增强生成)系统,关键在于如何巧
妙
地进行信息增强。
RAG
检索增强
一招让你的 AI 图像更惊艳!DALL-E 3 自定义指令魔法
“pokemon” 这个词的想法来源于微信好友浚嘉,和他交流过之后才知道这个巧
妙
的方法。
DALL-E3
文生图
微调
2024!深入了解 大语言模型(LLM)微调方法(总结)
通过这个过程,模型变得更加熟悉医学术语、临床语言的微
妙
之处和典型的报告结构。
大模型
微调
LLM
谈谈LLM在推荐域的渗透,探索推荐新范式
COT能力,也是一种奇
妙
的能力,大模型涌现出来的COT能力,让模型可以解决复杂问题,而且具有了可解释性。
大模型
OpenAI
马斯克怒告OpenAI案解密:Ilya看到了什么?125万亿参数Q*细节曝光,53页PDF全网疯转
亿参数的GPT-3发布后,许多人对一个比它大600倍、参数为100万亿模型(这一参数与人类大脑的突触数相匹配)的潜在性能进行猜测—— 正如Lanrian所解释的,推断结果表明,AI的性能似乎会莫名其
妙
地达到人类水平
OpenAI
大模型
查理·芒格 :关于人生的13个忠告
如果你们拟定的婚姻协议书长达47页,那么我建议你们这婚还是不结为
妙
。
人生箴言
查理芒格
手把手教你认识学会LangChain
def _prompt_type(self): return "function-explainer" 语言模型: 通过通用接口调用语言模型 LLMs和聊天模型有微
妙
但重要的区别
langchain
<
1
2
3
4
5
6
7
8
9
10
>
1
2
4
5
6
7
8
9
100