文章列表-AI魔法学院

文章列表

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

{KV}s−1 和 {KV}s 分别是当前和先前输入段的注意力键和值，而 Qs 是注意力查询。

大模型上下文

解读 | SuperCLUE 2023年9月全面测评大模型四大能力

评分机制 SuperCLUE的评测分为"OPEN多轮开放问题"和"OPT三大能力客观题"两部分。

大模型方法论

解读wav2lip：探究语音驱动唇部动作的技术原理！

二、本文方法介绍 wav2lip模型的训练分为两个阶段，第一阶段是专家音频和口型同步判别器预训练；第二阶段是GAN网络训练。

wav2lip 语音

Stability AI开源上新：3D生成引入视频扩散模型

Stable Video Diffusion（SVD）是Stability AI此前推出的高分辨率视频生成模型。

sv3d 建模

Prompt及AI提问实践

这里引出了第一条实践原则：区分角色。

Prompt 大模型提问

Google 模型解读 | MoveNet-SinglePose：自底向上做单人姿态估计

，把本来就比较可怜的算力全用在主干分支上 Neck MoveNet比较特殊的设计主要在Neck和Head部分。

MoveNet-SinglePose Google 模型

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

Headless，让Chrome渲染PDF，再导出成HTML，甚至图片都转成了 base64 字符，所以一个网页就可以包含完整的文本、字体和图片等内容这是我的 pdf2htmlEX 分支

PDF转换

为什么说AI现在还不行！

现在这部分自己不写了，都用AI。

大模型

大模型压缩首篇综述来啦~

图2：对语言模型知识蒸馏的简要分类。

大模型

OpenAI视频模型Sora的推理生成成本多高？

一分钟的高清视频等价于多少 Token？

Sora 推理算力

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上

在芯片制造中，很大一部分成本就来自掩膜版制作。

芯片拼接

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上！

在芯片制造中，很大一部分成本就来自掩膜版制作。

芯片拼接技术

PDFTriage:面向长篇结构化文档的问答

基于LLM的分类(第3.2节):查询LLM以从文档中选择精确的内容(页面、部分、检索到的内容)。

大语言模型 PDF 文档

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

ensp; 代码链接： https://github.com/thunlp/ProactiveAgent 为了更清晰地理解这一技术突破的意义，我们可以通过以下表格来详细分析对比两种范式的本质区别

Agent 大模型

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

此外，还采用了基于多分支变压器的网络，充分利用长期音频上下文来建模与中间表示的关系。

VividTalk 视频

<...80 81 82 838485 86 87 88 89 ...>

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