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
· AI必备Prompt技巧《提问的艺术——让AI导出高质量答案》
· 建议收藏:超详细ChatGPT(GPT 4.0)论文润色指南
· 13.5K Star ! Fish Speech Windows本地搭建,能否达到官方的级别?强烈推荐
· 大模型量化:什么是模型量化,如何进行模型量化
· 第一性原理以及第一性原理是怎么帮马斯克成为首富的
· 清华大学ChatGLM团队发布AI Agent能力评测工具AgentBench:GPT-4是全能战士,超越所有模型
· 赛博牛马,智谱 AI,悄悄出了一个 AI PPT
· 中文常用停用词表下载
· 不会PS也能做神图?豆包AI绘画全解析,让你的创意秒变艺术品!
· 6个最佳开源TTS引擎
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
开源
[开源]面向中小团队的轻量化知识管理应用,构建知识库和知识社区
二、开源协议 使用BSD-3-Clause开源协议 三、界面展示 产品截
图
四、功能概述 “知了”以知识管理的全生命周期为核心,围绕知识的分享再利用,构建中小团队的知识库和知识分享社区
大模型
开源
来个优秀的开源人脸识别项目!
InsightFace 的主要功能如下: 1. 2D 人脸识别:基于卷积神经网络(CNN)的人脸识别算法,可以对人脸
图
像进行特征提取和匹配,从而实现人脸识别。
人脸识别
开源项目
大模型
大模型压缩首篇综述来啦~
量化(Quantization) · 低秩分解(Low-Rank Factorization)
图
1
大模型
混合专家模型 (MoE) 详解
例如,在下
图
中,“More”这个令牌可能被发送到第二个专家,而“Parameters”这个令牌被发送到第一个专家。
MoE大模型
ChatGPT
分析了数百万ChatGPT用户会话后发现的秘密
该分布如下
图
所示: 在这里我们可以看到,自 5 月份以来,每月 1-2 次的访问量确实有所下降。
大语言模型
数字人
数字人:从科幻走向现实的技术革命
创建数字人需要多方面的技术支持,包括计算机
图
形学、动作捕捉、语音合成以及人工智能算法等。
数字人
语音
OpenAI
《OpenAI官方:GPT 最佳实践》大白话编译解读版本
使用意
图
分类来确定用户查询的最相关指令 2.
提示词
官方
翻译
Agent
Agent四大范式 | 综述:全面理解Agent工作原理
所以将复杂任务简化是一个非常有效的办法,有点类似于“分而治之”的策略(如下
图
)。
Agent
大语言模型
微调
四种微调技术详解:SFT 监督微调、LoRA 微调、P-tuning v2、Freeze 监督微调方法
预训练 与其他微调方法一样,Freeze监督微调的第一步是在大规模
图
像数据上对卷积神经网络(CNN)模型进行预训练。
大模型
SDXL
【分享】SDXL模型最佳拍档!COMFY UI上手指南
如果遇见上
图
这种缺模块的情况,直接通过管理器安装缺失模块即可。
大模型
大模型
“大模型+机器人”的现状和未来,重磅综述报告来了!
以ViT为代表的纯Transformer模型直接将
图
像分割为序列,通过自注意力机制学习像素间的全局依赖,在ImageNet等大规模数据集上取得了超越CNN的性能。
论文
机器人
大模型
聊天大模型的输出速度应该是多少?单张显卡最多可以支持多少个人同时聊天?来自贾扬清最新的讨论~
而成年人的平均阅读速度在每分钟200-300个单词之间,不过不同的人差别很大,下
图
展示了一些研究结论: 可以看到,根据相关的研究,高中生的阅读速度是每分钟300个单词左右,而成年人在每分钟
大模型
如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下
我们做的第一件事是让 GPT 对用户查询的意
图
进行分类。
大模型
开源
Giraffe:世界上第一个商业可用的32K长上下文开源LLM(基于Llama-2)
概述 我们进行了各种各样的实验,试
图
延长模型的上下文长度。
开源模型
一文带你认识ELMo
分为以下三步: 第一步:得到word embedding,即上
图
的E。
embedding
<
...
83
84
85
86
87
88
89
90
91
92
>
1
2
4
5
6
7
8
9
100