文章列表-AI魔法学院

文章列表

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

刚刚，谷歌杀入开源大模型。

开源模型 Gemma

OCR是什么以及推荐几款开源中文OCR识别软件

二值化：　　如今数码摄像头拍摄的图片大多是彩色图像，彩色图像所含信息量巨大，不适用于OCR技术。

OCR

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

· 特别是，我们将 RedPajama 数据集的微调和 Vicuna 数据集的指令微调与上述方法结合起来。

开源模型

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

该模型全开源，无条件免费商用，持续推动海量中小企业、研究者和开发者的研发和应用创新。

XVERSE-V 多模态大模型

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

作者利用大量高质量、全方位的数据，结合开源、合成和内部标注的数据集，训练Baichuan-Omni。

Baichuan-Omni 多模态大模型

Embedding开源模型重磅玩家：北京智源人工智能研究院最新Embedding模型发布！登顶MTEB，免费商用授权！

但是，现实中开源的Emebdding模型却很少。

开源模型

十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents

我的下一篇将围绕《LLM Powered Autonomous Agents》进行深度解读，并建立相关联的知识体系与在知识库，也将成为一个开源可索引的关于超级个体与AI-Agent的高质量知识库。

开源模型

中文版开源Llama 2同时有了语言、多模态大模型，完全可商用

语音到文本多模态开源对话模型 (LLaSM) LinkSoul.AI 开源了可商用的中英文双语语音 - 语言助手 LLaSM 以及中英文语音 SFT 数据集 LLaSM-Audio-Instructions

开源模型

聊聊 AIGC 一些拧巴的现状

但，大多数的社群和培训，都是在教你怎么使用 AI来创作。

开源模型

ChatGPT羊驼家族全沦陷！CMU博士击破LLM护栏，人类毁灭计划脱口而出

上面提到过，有一个可怕之处在于，这种对抗性攻击可以有效地迁移到其他LLM上，即使它们使用的是不同的token、训练过程或数据集。

开源模型

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

这个过程开始于一种特殊的数据库，我们可以称之为“垂直领域数据库”。

OCR RAG 开源

玩一玩阿里通义千问开源版，Win11 RTX3060本地安装记录！

这应该是国内第一个大厂开源的大语言模型吧。

通义千问

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

这是一个由Facebook研究院开发的技术，可以根据音频生成逼真的人物视频！

audio2photoreal 开源工具

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 一经发布，火箭登顶全球著名开源社区 GitHub 与 HuggingFace 趋势榜 Top 3。

MiniCPM-V 2.6 大模型

7个有用的Prompt参数

本文将介绍七个关键的Prompt参数，通过这些参数可以引导模型，探索模型的能力和限制，生成不同风格或角度的内容。

prompt

<...7 8 9 101112 13 14 15 16 ...>

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