文章列表-AI魔法学院

文章列表

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

单一模态问题：尽管 LLM 可以帮助机器人或智能体理解指令和增添高层规划能力，但它们却无法直接学习图像、音频或其它感官模态，这就限制了它们的应用。

开源模型

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

Karpathy完整的分享视频在文章结尾。

Agent

ChatGPT Prompt提示词学习手册（提示词万能公式），建议收藏！

例5：英语发音助手提示：我希望你成为土耳其人的英语发音助手。

ChatGPT Prompt

Stable Diffusion

OpenAI救了Stable Diffusion！开源Dall·E3同款解码器，来自Ilya宋飏等

开发者日的另一项重磅开源是语音大模型Whisper 3。

SD 文生图 DALLE

Stable Diffusion

Stable Diffusion 常用插件推荐

sd-webui-IS-NET-pro https://github.com/ClockZinc/sd-webui-IS-NET-pro 将视频转换为无数张图片

Stable Diffusion 插件

国风真的太绝啦！被10万人围观的咒语快收下！

kushan empire, concert poster, sky-blue and white」「中国传统风格艺术和中国传统民间艺术、色彩缤纷的城市景观风格、伊东丰雄、社论漫画、高角度、贵山帝国、音乐会海报

文生图古风

SDXL模型lora训练参数详细设置，显存占用22G，不用修脸原图直出

还没装的，去秋叶大佬视频详情里找一下哈~ https://www.bilibili.com/video/BV1AL411q7Ub/?

SDXL 训练

ComfyUI环境方面开窍了，成功跑通animatediff

但是那个视频放大要好久啊，跑了半天。

animatediff 文生图

一文搞定 ComfyUI SDXL1.0 完整流程

如果要在一篇文章里面介绍完整的使用方法实在太麻烦了，这里我推荐几个 B站大神的视频。

文生图 comfyui

有了 DALL-E 3，从此自己设计T恤 (附30个提示词模板)

背景上装饰着旋转的音符和五颜六色的图案。

DALL-E T恤设计

Qwen2.5更新百万超长上下文，推理速度4.3倍加速，网友：RAG要过时了

Qwen2.5-Turbo，这回主打的就是支持超长上下文，并且把性价比卷出了花儿： § 上下文长度从128k扩展到1M，相当于100万个英文单词或150万个汉字，也就是10部长篇小说、150小时语音记录

Qwen2.5 开源模型

20个常见AI绘画工具大汇总（含免费版哦~）

NUWA NUWA(Neural visUal World reAtion)是微软亚洲研究院开发的多模态模型，通过自然语言指令，NUWA可以实现文本、图像、视频之间的生成、转换和编辑。

文生图

职场及工作中常用的方法论总结

衡量指标为付费率、付费频次、生命周期价值等；　　Referral (传播)：需要让用户将产品推荐给其他人，即在线上线下社交中的分享、互动等口碑推广，病毒式人传人实现用户爆发式增长。

工作

Stable Diffusion

张嘴就能生图？这已经不是科技，这是魔法！（Stable Diffusion进阶篇：SDXL-Turbo）

真的是一秒生成（这比我登录英雄联盟还快）：当然也可能是因为我的显卡比较好（没钱冲阿里云会员了不然我可以试试其他的显卡），但是我看了大多数的视频基本上比较普遍的显卡都是在4-5秒左右就能生成。

SDXL-Turbo 文生图

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

Salesforce|多模态语言模型：BLIP-3-Video 论文：https://arxiv.org/pdf/2410.16267 本文提出了一个专门处理视频的多模态语言模型：BLIP-3-

大模型研究

<...25 26 27 282930 31 32 33 34 ...>

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