文章列表-AI魔法学院

文章列表

性能超出预期！神秘的国产大模型 Kimi 开放 API

本文介绍了名为Moonshot的大模型，它以其超长上下文能力（支持20万字）脱颖而出。通过测试，Moonshot在性能、对提示词的理解能力、角色扮演能力以及特定应用场景中的表现均令人印象深刻。其Token利用率高，且API设计兼容OpenAI，为开发者提供了便利。Moonshot的开放平台吸引了众多开发者，并提供了良好的技术支持和文档。总体而言，Moonshot作为AI生态圈的新锐力量，展现出了令人欣喜的潜力和前景。

Kimi Chat 大模型 API 2024-05-16

用AI为古诗词生成插画

本文介绍了如何使用AI技术为古诗词生成插画，主要流程是将古诗词翻译成英语作为AI提示词进行绘画，使用Stable Diffusion为例，并提供了准备工作和具体使用方法的详细步骤，包括下载和安装软件、准备大模型、安装翻译插件等，同时提供了两个大模型的下载链接。

Stable Diffusion 文生图提示词 2024-05-16

将任意文本转换为知识图谱

本文介绍了知识图谱的概念及其构建过程，包括清理文本语料库、提取概念和实体、提取关系、转换图形模式、填充节点和边，以及可视化和查询。文章还强调了知识图谱的用途，如运行图算法、计算社区和理解概念间的联系。项目通过分割文本块、提取概念及关系、分组相似对并计算权重来构建知识图谱，同时计算节点度数和社区以调整图形表示。项目可在个人计算机上运行，无需调用GPT，具有经济性。

知识图谱转换文本 2024-05-15

百万token上下文窗口也杀不死向量数据库？CPU笑了

“Claude 3、Gemini 1.5等大语言模型因其超长的上下文窗口，被业界视为可能终结RAG（检索增强生成）技术的流派。RAG依赖外挂知识库提供准确知识，提高生成内容质量。尽管大模型的超长上下文窗口在某些方面显示出优势，但其在速度、价值、体量和多样性等方面仍存在明显缺陷。相比之下，RAG得益于向量数据库技术，能规避这些缺陷。腾讯云发布的VectorDB向量数据库，通过提供高效的存储、检索和分析能力，成为连接数据与AI的桥梁。该数据库支持多种索引类型和相似度计算方法，并通过与英特尔合作，在CPU平台上实现显著性能加速。尽管AI模型能力不断提升，但AI系统的综合性能还需考虑其他组件的配合。因此，向量数据库等技术在AI平台化发展中仍具重要价值。”

向量数据库大模型 cpu 2024-05-15

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

腾讯的PhotoMaker是一种高效的文本到图像生成技术，能生成逼真的个性化人类照片。它利用堆叠ID嵌入方式编码任意数量的输入ID图像，保留ID信息，并能灵活适应不同文本提示。该方法能够将艺术人物带入现实、实现风格化、改变年龄性别以及混合身份等，同时保持高质量和高效推理，展现出强大的身份保真度和灵活性。

PhotoMaker 文生图 2024-05-15

如何构建基于大模型的App

文章概括了基于大模型开发业务应用的现状、挑战和策略。文章指出，虽然并非所有组织都需要训练大模型，但基于大模型开发业务应用已成为趋势。文章强调了理解大模型的能力边界、利用LLM进行语言理解和处理、推理、审查、文本转换等任务的重要性。同时，提出了利用模型微调和上下文注入来回答LLM无法知道的问题的方法。文章还指出了基于大模型API构建应用所面临的问题，如响应不可预测、与目标应用数据和用例不相关等，并提出了构建基于大模型应用的系统架构的思考，包括应用编排器、任务计划器、上下文和记忆型数据的向量存储、提示和响应管理器、效果评估器以及大模型管理器等组件。最后，文章给出了一个构建基于大模型应用的简单示例，并总结了利用大模型为业务赋能的挑战和策略。

构建大模型App 2024-05-15

使用ChatGPT写出优质长文、文章

本文介绍了在ChatGPT协助下，如何快速完成不同类型的文章创作，包括长文、网络文章、爆款推广软文、改写文章以及文章总结。具体技巧包括使用特定指令来引导ChatGPT进行创作，如设定主题、设计章节标题、撰写引言和具体内容等。此外，还提供了关于文章创作的一些建议，如构建详尽的框架、注重文章深度和流畅性、采用对话式语调等。遵循这些技巧和建议，可快速生成高质量的文章。

ChatGPT 写作 2024-05-15

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

香港大学、阿里巴巴和蚂蚁集团合作开发的Anydoor技术，为图片编辑带来了革命性的改变。该技术能让任何物品通过一张照片被无缝传送到另一张图片中，并自动调整姿态和站位。Anydoor采用独特的对象传送方法，以高度保真和多样化的方式将目标对象与背景场景融合，适用于图像合成、效果渲染、海报制作和虚拟试穿等场景。其核心思想是利用目标对象的身份和细节特征，通过预训练的扩散模型生成所需图像。实验结果表明，Anydoor在保真度和多样性方面均表现出显著优势，为图片编辑带来了更多可能性和便利性。

Anydoor 文生图 2024-05-15

主流网络爬虫蜘蛛详解

文章简洁精练的总结如下：文章介绍了网络爬虫的概念，强调区分真伪蜘蛛并了解各种蜘蛛的重要性，以避免不必要的资源浪费。文中列举了多个主流搜索引擎和工具的爬虫，包括Googlebot、Bingbot、Baiduspider、Bytespider等，并提供了它们的识别特征和UA（用户代理）字符串。同时，文章也介绍了如何根据实际需要，通过robots.txt文件屏蔽不必要的爬虫，以及针对特定搜索引擎优化网站的方法。此外，文章还提供了爬虫特征字符串的汇总整理版，方便程序员直接使用。整体而言，文章旨在帮助网站管理员更好地管理和优化网站，提高网站在搜索引擎中的表现。

爬虫蜘蛛详解 2024-05-15

腾讯开源混元AI绘画大模型

腾讯开源了其AI绘画大模型——混元大模型，该模型具有中文原生和多轮对话的特点。测试结果显示，其性能在某些方面超越了其他模型，但硬件门槛较高。文章提供了详细的安装和使用指南，包括依赖关系、环境设置、模型下载以及推理方式等，以方便创作者使用和优化该模型。

腾讯混元文生图 2024-05-15

中文原生文生图大模型来了！腾讯混元推出，Sora 同架构

5月14日，腾讯宣布旗下的混元文生图大模型全面升级并对外开源，目前已在 Hugging Face 平台及 Github 上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费商用。

文生图混元腾讯 2024-05-14

构建开源多模态RAG系统

本文深入探讨了使用开源大型语言多模态（LLMM）技术构建检索增强型生成（RAG）系统的过程，而不依赖于特定的框架如LangChain或Llama索引。文章首先介绍了RAG系统的核心概念，即通过允许模型从外部来源动态检索实时信息来增强AI的理解和输出能力。然后，解释了多模态学习的意义，即通过教导计算机理解和学习不同类型的信息（如图像、文本或语音）来做出更好的预测。接着，文章提出了一个构建RAG管道的方案，其中涉及使用CLIP嵌入图像和文本，并将这些数据存储在ChromDB向量数据库中。最后，利用Hugging Face的MLLM根据检索到的信息参与用户聊天会话。作为示例，文章描述了一个创建花专家聊天机器人的过程，包括数据预处理、创建向量数据库以及使用多模态嵌入函数进行检索。该方案通过整合不同的模态和嵌入技术，提高了AI模型在处理复杂和多样化数据时的准确性和可靠性。此外，RAG系统通过减少幻觉和增加透明度，提高了AI决策的可信度和可解释性。这种经济高效的方法为改进AI输出提供了一种新的途径，而无需进行广泛的重新训练或微调。综上所述，本文介绍了一种利用开源技术和多模态学习构建高效RAG系统的方法，该方法具有增强AI理解和输出能力、提高准确性和可靠性、减少幻觉和增加透明度等优点，为AI应用的发展提供了新的思路。

RAG 大模型 2024-05-13

淘宝模特全体注意！阿里AnyDoor AI换装神器出来了，年度最强AIGC重制绘图工具，重塑电商模特产业

AI绘图在电商行业应用广泛，特别是AI模特换衣。阿里和港大推出的AnyDoor工具实现了一键换衣，操作简便且效果惊人。AnyDoor可自由转移图片元素，无需复杂指令，且开源易获取。使用AnyDoor需确保设备显存足够，并遵循一定步骤进行换装操作。AnyDoor换衣效果自然，但建议衣物简洁以保证最佳效果。该工具目前仍有提升空间，但已大大减轻电商美工工作负担，引领视觉革命。关注公众号可获取一键安装包，体验神奇技术革新。

AnyDoor 换装文生图 2024-05-13

掌握Prompt的6心法

本文介绍了Prompt的概念及其在人工智能系统中的应用。Prompt是一种类似命令或指示的东西，用于指导AI系统完成特定任务。文章还提供了六个撰写优秀Prompt的心法，包括不断尝试和迭代优化、使用结构化的Prompt模板、加入防御性指示、提供示例、给予AI思考时间和将复杂问题分解为简单问题等。学会写Prompt能最大限度发挥人工智能的能力，创造更多价值。

prompt 写作 2024-05-13

大模型训练工程那些事

本文围绕大模型训练工程进行了深入探讨，将其与历史上的曼哈顿计划相提并论，凸显了其在当代科技领域的重要性。文章从技术原理、数据算力与资源、时间计划等方面，分析了大模型训练工程的复杂性和挑战性。在技术原理方面，文章介绍了Scaling Laws等科学原理在指导大模型训练中的应用。在数据、算力和资源方面，文章揭示了数据规模、模型规模和计算资源对AI模型性能的影响，并讨论了算力租赁、国产替代等当前面临的问题。在时间计划方面，文章预测了大模型训练迭代和应用的紧迫性，并强调了资源规划和差异化能力的重要性。总结来说，本文认为大模型训练工程是一项集科技、人力、资源和时间于一体的复杂系统工程，其发展和应用将对社会产生深远影响。文章呼吁产业界和学术界共同努力，推动大模型技术的发展和应用，为产业变革和社会进步贡献力量。

训练工程大模型 2024-05-13

<...16 17 18 192021 22 23 24 25 ...>

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