文章列表-AI魔法学院

文章列表

说真的，SDXL究竟藏着多少秘密，也许没人知道

这恐怕是个难以穷举的问题，要知道作为AI出图的特征之一，每张图都有对应一系列设定的唯一seed，有点像图片身份证的意思。

文生图

大模型在金融行业的应用场景

2.摩根士丹利为财务顾问及其团队提供基于私有数据的知识问答，保证答案100%来自源数据。

大模型金融应用

惊艳！2.77亿参数锻造出Agent+GPT-4V模型组合，领航AI领航机器人、游戏、医疗革新，通用智能时代你准备好了吗？

强大的预训练子模块：通过利用CLIP ViT-B16和OPT-125M这两个预训练模型，该架构在视觉编码、动作理解和语言处理方面都具有出色的性能基础。

Agent+GPT-4V 大模型

有感情的语音合成开源模型：ChatTTS安装使用详解

ChatTTS适用于大型语言模型助手的对话任务、对话语音和视频介绍等，这表明它可以集成到多种应用程序和服务中，提供更加自然和流畅的交互体验。

ChatTTS 语音合成

微调大型语言模型-核心思想和方法介绍

请注意，不只是微调编码器样式的 LLM，相同的方法适用于类似 GPT 的解码器样式的 LLM。

大模型训练

学术党狂喜，Meta推出OCR神器，PDF、数学公式都能转

方法概述本文架构是一个编码器 - 解码器 Transformer 架构，允许端到端的训练，并以 Donut 架构为基础。

大模型

一文看懂RAG：大语言模型落地应用的未来

提升用户体验：在用户交互方面，如聊天机器人或虚拟助手，RAG能够提供更自然、连贯且信息丰富的对话体验。

rag 检索增强

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

然后，对生成的答案进行人工验证，并如上所述检索相关文档。

大模型 RAG检索增强

Falcon 180B 开源影响了谁？

比如英伟达的资深研究员Jim Fan就公开指出：Falcon-180B的训练数据中，代码只占5%，没有代码能力，就不能声称「优于GPT-3.5」或「接近GPT-4」。

大模型

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

实验性功能。

AI语音克隆实时语音识别

动作识别模型有哪些

考虑对一小段视频进行编码，假设起始帧为T，连续L帧(不包含T帧)。

动作识别模型

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

Qwen-Audio包含一个音频编码器和一个大型语言模型。

大模型语音

个人从零预训练1B LLM心路历程

参考了TinyLlama项目的训练时间，估计了一下大概可以使用T级别的数据训练个1B大小的LLM（优先保证训练的数据量），耗时两个月左右。

LLM 训练

用ChatGPT写论文prompt大全

请包括以下几个部分:标题，摘要，引言，相关工作，方法实验，结果，讨论，结论和参考文献。

prompt

GGUF格式详解

GGUF格式是用于存储大型模型预训练结果的，相较于Hugging Face和torch的bin文件，它采用了紧凑的二进制编码格式、优化的数据结构以及内存映射等技术，提供了更高效的数据存储和访问方式。

GGUF 大模型

<...33 34 35 363738 39 40 41 42 ...>

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