文章列表-AI魔法学院

文章列表

发现一个好东西，一键本地运行各种大模型！包括最新的Qwen1.5

通义千问Qwen又来了一波超吊的更新！

Qwen1.5 大模型

全球六大主流自动PPT制作工具

驱动的演示文稿生成工具，该工具由 100 多个随时可用的模板组成。

自动PPT 工具

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

SSE 是 HTML5 中一个与通信相关的 API，主要由两部分组成： · 服务端与浏览器端的通信协议

GPT

星标破万！小钢炮2.6登顶GitHub，Hugging Face TOP3，燃爆开源社区！

MiniCPM-V 2.6 可以通过多种方式轻松使用：(1) llama.cpp 和 ollama 支持在本地设备上进行高效的 CPU 推理，(2)&

MiniCPM-V 2.6 大模型

全球最强长文本大模型，一次可读35万汉字：Baichuan2-192K上线

有时候我们寻求 AI 的帮助，并不是希望他们发挥想象力，而是要提取准确信息。

Baichuan2 百川开源

2024！深入了解大语言模型（LLM）微调方法（总结）

确保模型输出与人类偏好保持一致。

大模型微调

Ollama还是vLLM？深度解析四大顶级LLM服务框架：性能、特性与技术选型指南

理想用例 vLLM 是高需求生产环境的理想选择，例如需要每秒处理大量用户查询的 AI 服务、实时 LLM 驱动的应用（如实时聊天机器人）。

LLM 服务框架

Python几种常见算法汇总

我们使用递归的方式实现快速排序算法，首先选择一个基准值pivot，然后将列表分为左右两个部分，左边部分的元素小于基准值，右边部分的元素大于基准值，然后递归地对左右两个部分进行排序，最后将左、中、右三个部分合并成一个有序的列表

编程 python 算法

【万字长文】LLaMA, ChatGLM, BLOOM的参数高效微调实践

（2）在小规模数据上，进行指令微调和基于人类反馈的强化学习，更好地对齐最终任务和人类偏好。

大模型微调训练

Stable Diffusion

Stable Diffusion 30种采样器全解

二代算法相比于一代算法，质量有所提升但需要更多的时间和迭代步数，通过增加一代算法的迭代步数也能达到相同的质量效果。

Stable Diffusion 采样器

大模型的研究新方向：混合专家模型（MoE）

一混合专家模型的前世今生：老树新芽混合专家模型（MixtureofExperts：MoE）的思想可以追溯到集成学习，集成学习是通过训练多个模型

MoE 大模型

苏秦(suqin) 语言大模型全工具链 WebUI 整合包

具体功能模块如下：开发部署初次使用建议查阅说明文档进行相关操作软件需求本项目已在 Python 3.8 - 3.10，CUDA 11.7/11.8 环境下完成测试。

大模型

大模型压缩首篇综述来啦~

MINILLM [Gu等，2023] 深入研究了从白盒生成LLMs进行蒸馏的方法，并选择最小化反向KLD，防止了学生过高估计教师分布中的低概率区域，从而提高了生成样本的质量。

大模型

Fastwhisper + Pyannote 实现 ASR + 说话者识别

前言最近在研究ASR相关的业务，也是调研了不少模型，踩了不少坑，ASR这块，目前中文普通话效果最好的应该是阿里的modelscope上的中文模型了，英文的话，还是非whisper莫属了，而且

faster-whisper 语者识别 ASR

解读 | SuperCLUE 2023年9月全面测评大模型四大能力

而在各项单项能力中，GPT4也均表现出较强的实力，尤其在语言理解与生成、专业技能与知识、AI智能体三个方面，GPT4均位列第一。

大模型方法论

<...77 78 79 808182 83 84 85 86 ...>

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