文章列表-AI魔法学院

文章列表

LLM应用架构之检索增强（RAG）的缘起与架构介绍

生成式模型在机器学习中，我们根据解决问题方法不同将模型分为两类，生成式和判别式。

LLM

GGUF格式详解

为什么会有这样的大模型文件，与它一同出现对比的是GGML格式文件，二者的区别是啥？

GGUF 大模型

打造音乐传奇：Suno推出音乐生成模型Suno V3，让每个人都能成为作曲家

创始团队由四位顶尖机器学习专家组成，他们在Kensho Technologies积累了丰富的AI研发实战经验。

suno 歌曲音乐

大模型文本生成——解码策略（Top-k & Top-p & Temperature）

以上方法都有各自的问题，而 top-k 采样和 top-p 采样是介于贪心解码和随机采样之间的方法，也是目前大模型解码策略中常用的方法。

大模型

AI产品经理视角：如何构建人工智能产品

使用这些信息来优化您自己的解决方案，采用成功的部分，并消除错误。

大模型产品经理

解读wav2lip：探究语音驱动唇部动作的技术原理！

训练部分包括一个生成器和两个判别器，这里的两个判别器分别是专家音频和口型同步判别器和视觉质量判别器，前者预训练完毕后，在GAN训练过程中保持冻结。

wav2lip 语音

AI绘画Stable-Diffusion风格化实战

MidLibrary 它总共包含了以下几大类别的样式: · 艺术技法(Artistic Techniques

Stable-Diffusion 文生图

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

这些用例适用于聊天机器人、电子邮件、文本消息传递和其他会话应用程序。

检索增强生成大语音模型

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

谷歌表示，Gemma 采用了与构建 Gemini 模型相同的研究和技术。

开源模型 Gemma

CodeGeeX：Tab一下，代码自动生成

它是一个从左到右生成的自回归解码器，将代码或自然语言标识符（token）作为输入，预测下一个标识符的概率分布。

大模型

【进阶】-文生图术语解释

也就是说，如果采用当前数据进行额外的训练将无法改进模型，模型即达到收敛状态。

文生图

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

为了提升模型性能，模型采用了一些特殊的设计，如多尺度建模、多层级结构等方式。

ViTPose+Transformer 身体姿态

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

该框架采用两阶段的方法，第一阶段将音频映射到网格上，学习非刚性表情运动和刚性头部运动，第二阶段采用双分支运动VAE和生成器将网格转换为密集运动，并逐帧合成高质量视频。

VividTalk 视频

万字长文-大语言模型指令调优综述

作者首先从人工构建的超自然指令数据集中采样种子指令。

大语言模型

无限逼近真人效果的“超真实人像大模型”，或许它才是你一直在寻找的真爱！

该论文的核心内容是在文本到图像扩散模型中添加条件控制，以提高生成图像的质量和多样性。

大模型文生图

<...21 22 23 242526 27 28 29 30 ...>

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