文章列表-AI魔法学院

文章列表

SD入门教程七：ControlNet篇-Canny边缘检测预处理器

ControlNet 1.1模型支持基于SD1.5、2.1训练的大模型上。

Canny SD

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

英伟达科学家Jim Fan则认为，还在训练中的Llama 3 400B将成为开源大模型的分水岭，改变很多学界研究和初创公司的发展方式。

meta llama3

图解 transformer——逐层介绍

使用只有一个样本的训练数据，其中包括一个输入序列（英语的 "You are welcome"）和一个目标序列（西班牙语的 "De nada"）。

Transformer 大模型图解

RAG 2.0，终于把RAG做对了！

这意味着预训练是一次性的任务（不同于持续学习方法）。

RAG 大语言模型

北大开源最强aiXcoder-7B代码大模型！聚焦真实开发场景，专为企业私有部署设计

必须得让大模型学会这些企业代码资产，通过进行有效个性化训练，才能真正为企业所用。

aiXcoder-7B 大模型

AI产品经理视角：如何构建人工智能产品

提示对于在预训练模型中抢占先机非常有用。

大模型产品经理

基于Ollama本地部署谷歌开源Gemma大模型！

这次发布的Gemma不仅仅只有2B 和 7B这两种规模，实际上是发布了Gemma系列（经过预训练的变体和指令优化的变体，大大小小50多种），Gemma 模型非常适合各种文本生成任务，包括问答、总结和推理

ollama gemma qwen

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

该模型旨在解决边缘设备在运行多模态模型时面临的资源受限问题，通过优化架构和训练方法，实现了在保证性能的前提下，降低计算成本和延迟，从而为边缘设备的智能化升级提供了可行的解决方案。

OmniVision -968M 多模态模型

Stable Diffusion

读取大脑重建高清视频，Stable Diffusion还能这么用

整体来看，这个方法主要包含两大模块，它们分别做训练，然后再在一起做微调。

stablediffusion

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

这样可以加快训练速度，提高推理效率！

MoE 专家混合模型

为什么国产大模型都说超越ChatGPT而体验却很拉？警惕 Goodhart law 陷阱

这时候，各家大模型就可以针对这些模型，进行专门的训练，就可能会出现在测试集上表现很好，但可能在现实世界的其他应用场景中表现不尽人意。

ChatGPT 国产大模型

一键AI换脸！小红书和北大合作的InstantID

InstantID 的工作原理可分为三个关键部分： ID Embedding：团队利用预训练的面部识别模型代替 CLIP 来提取语义人脸特征，并使用可训练的投影层，将这些特征映射到文本特征空间，形成

InstantID 文生图

深入浅出：大语言模型中必不可少的技术——Embedding简介

这些算法可以通过训练神经网络或使用矩阵分解等技术来学习单词的嵌入表示。

embedding

链接大模型与外部知识，智源开源最强语义向量模型BGE

FlagEmbedding/tree/master/benchmark 值得大模型应用开发者关注的好消息：将 LangChain 与智源BGE结合，可以轻松定制本地知识问答助手，而不需要花较高的成本训练垂类大模型

embedding 语义向量

本地运行140亿参数，阿里千问玩起来！Qwen+Win11+3060

Qwen-14B是基于Transformer的大语言模型, 在超大规模的预训练数据上进行训练得到。

大模型

<...20 21 22 232425 26 27 28 29 ...>

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