文章列表-AI魔法学院

文章列表

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

从应用落地的角度看，轻量级、MoE 大模型已经成为人们重要的探索方向。

MiniCPM 大模型

解读OpenAI Sora文生视频技术原理

自然语言理解，采用DALLE3 生成视频文本描述，用GPT丰富文本prompts ，作为合成数据训练Sora, 架起了GPT 与 Sora语言空间的更精确关联，等于在Token与Patch

sora

智谱AI静悄悄的上线了一大波新模型，过年了，真的

毕竟这也算是国内首个通用视频理解模型 API。

智谱AI 大模型

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

安装简单到爆，只要双击EXE就可以了，不用任何配置。

Qwen1.5 大模型

阿里推理模型来了！Marco-o1 发布即开源

技术亮点全解析 Marco-o1的核心优势体现在四个方面：思维链微调：团队使用开源CoT数据集和自研合成数据对基础模型进行全参数微调，打造出Marco-o1-CoT。

Marco-o1 推理模型

AnimateDiff 生成补间动画

借助 Controlnet Tile，你可以：修正图像细节纹理变化图像放大 - 生成图像，再使用Tile修正细节

文生图 AnimateDiff

AI异常值案例库第2期，5个灵感案例，新型流量获客法和产品形态

所以我打算把这些信息分享出来，如果能启发到大家行动并拿到结果，那也算不浪费这个机会了没有过多的拆解和分析，更多的是偏向于灵感启发思考这里面的案例有没有你能做的，能复制的，能放大的可能啥用没有

文生图

基于Ollama本地部署谷歌开源Gemma大模型！

在开始使用Gemma开源大语言模型（LLM）前，我们先了解下Gemma以及配套的工具。

ollama gemma qwen

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

模型基础信息 Qwen2系列所有尺寸的模型都使用了GQA，以便让大家体验到GQA带来的推理加速和显存占用降低的优势。

qwen 千问开源

字节跳动推出MagicVideo-V2：引领AI视频生成新时代。

MagicVideo-V2采用了先进的文本到图像模型、视频运动生成器、参考图像嵌入模块和帧插值模块，构建了一个端到端的视频生成流程。

MagicVideo-V2 视频生成

AI面部增强器-Remini

Remini还提供了色彩调整选项，相当于滤镜，小白狗将其应用在黑白图片后，没想到也能生效。

Remini 面部增强修复文生图

阿里RAG新框架R4：增强检索器-重排序-响应器，5个知识密集任务上都超过Self-RAG等！

强调了学习关键检索文档的排序结构的重要性，以帮助LLMs更好地处理与事实知识相关的用户查询。

RAG 检索大型语言模型

微软Phi-3、Mixtral 8x22B等小模型过拟合，三分之二存在数据污染

研究者们要求人工注释者们不使用任何高级数学概念，只能使用基本算术（加法、减法、乘法和除法）来出题。

过拟合小模型

GLM4 开源了！！！还有多模态

自定义工具调用：可以调用自定义的函数和工具。

智普 ChatGLM 多模态

60.2K Star！别再熬夜写样式了！Screenshot-to-Code：截个图，代码全搞定！！

无论是截图、Figma 设计稿，甚至录屏，它都能帮你快速生成干净、可用的代码。

Screenshot-to-Code 代码

<...93 94 95 969798 99 100 101 102 >

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