文章列表-AI魔法学院

文章列表

马斯克怒告OpenAI案解密：Ilya看到了什么？125万亿参数Q*细节曝光，53页PDF全网疯转

本年度科技圈这场里程碑级大战，还在持续白热化！

OpenAI 大模型

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

而这些能力的出现，并不能仅通过观察小规模模型的表现来预测。

Sora 微软

6个最佳开源TTS引擎

旨在实现易于训练、高速度和高质量的最佳平衡。

TTS引擎开源模型

Stable Diffusion

SD好复杂，是不是很糊，一文搞懂Stable Diffusion的各种模型及用户操作界面

SDXL Turbo不仅速度快，生成的图像质量也非常高，能够精准还原提示文本的描述。

Stable Diffusion 文生图

SD入门教程三：采样器及参数调整

采样方式就是指sd用什么算法进行图片生成,影响出图质量以及出图速度。

SD 入门教程

无显卡+纯本地跑Qwen1.5版模型！0基础闭眼部署指南！适用绝大部分开源模型！llama2+Mistral+Zephyr通杀！

最小的尺寸仅0.5B！

Qwen1.5 开源模型

微信向量检索分析一体化数仓探索：OLAP For Embedding

这种“连续性”极大地增强了表示的易用性： Sematic Search 语义检索：通用的语义检索，通过深度学习的训练，将真实世界数字化后的离散特征提取出来，投影到数学空间上，同时神奇的保留距离之间相似度的能力

OLAP For Embedding 一体化数仓

Stable Diffusion

Stable Diffusion教程：提示词

我们编写提示词也需要这种结构化的思维，这里分享一个常用的结构： (质量)+风格+主体+细节+其它质量质量就是图片整体看起来如何，相关的指标有分辨率、清晰度、色彩饱和度、对比度、噪声等，高质量的图片会在这些指标上有更好的表现

提示词 SD 绘画

对于大模型RAG技术的一些思考

doc类的文档相对来说还比较容易处理，毕竟大部分内容是文字，信息密度较高。

RAG 大模型

领域大模型-训练Trick&落地思考

现有大模型在预训练过程中都会加入书籍、论文等数据，那么在领域预训练时这两种数据其实也是必不可少的，主要是因为这些数据的数据质量较高、领域强相关、知识覆盖率（密度）大，可以让模型更适应考试。

垂直训练大模型

硬核Prompt赏析：HuggingGPT告诉你Prompt可以有多“工程”

: {"text": text, "image": URL, "audio": URL, "video": URL｝｝] 这种设计从浅层次上讲，是对任务分解过程输出的格式要求；从深层上讲，是对模型调度的系统设计

提示词 prompt

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上

CoWoS方案在基板和芯片之间加了一层硅中介层，通过在硅中介层里布线，间接将两颗小芯片连接起来，连接密度是现有技术的两倍。

芯片拼接

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上！

CoWoS方案在基板和芯片之间加了一层硅中介层，通过在硅中介层里布线，间接将两颗小芯片连接起来，连接密度是现有技术的两倍。

芯片拼接技术

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

腾讯出品！开源AI数字人框架！号称可以不限时长

MuseV采用了视觉条件并行去噪方案，支持生成理论上无限长度的视频。

MuseV 视频数字人框架

<...42 43 44 454647 48 49 50 51 ...>

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

© 2023-2024 AI魔法学院

京ICP备20027199号-1