首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 爆火的“哄哄模拟器”,它是如何炼成的?Prompt泄漏了
· Stable Diffusion|背景替换只需要两分钟!
· Suno音乐新手指南(手把手完整版教程)
· ChatGLM智谱清言
· 划重点!全网最全AI数字人工具合集!
· Stable Diffusion 快速创作角色三视图
· 关于AI声音生成的一切(语音+音乐+嘴型)
· LLM Agent最常见的九种设计模式(图解+代码)
· Meta无限长文本大模型来了:参数仅7B,已开源
· 建议收藏:超详细ChatGPT(GPT 4.0)论文润色指南
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
大模型
全球最强大模型一夜易主,GPT-4时代终结!Claude 3提前狙击GPT-5,3秒读懂万字论文理解力接近人类
它们能够处理各种视觉格式,包括照片、
图
表、
图
形和技术绘
图
等。
claude
大模型
心理
万字长文,大语言模型如何宣告心理学的死亡?
我们试
图
解码思维、情感和行为背后的复杂机制,希望借此洞悉人类行为的本质。
大语音模型
RAG
2023检索增强生成技术(RAG)研究进展
RAG 研究发展历程
图
谱 我们从技术演变的视角,将 RAG 的发展分为以下几个阶段: 3.1、初级 RAG 经典的 RAG
流
程,即初级 RAG,主要包括三个步骤: .
RAG
检索增强
大模型
大模型的最大bug,回答正确率几乎为零,GPT到Llama无一幸免
近日,一个叫「逆转诅咒」(Reversal Curse)的新概念成为了 AI 圈热议的话题,现在
流
行的所有大语言模型全部都中招了。
大模型
Agent
AI进化的新纪元:AI AIgents时代(1/9)——什么是Agent?
你可以让 Agent 思考,并给它一个目标,甚至是
像
“创造世界上最好的冰淇淋”这样模糊的目标。
大模型
ChatGPT
聊天机器人阅读 PDF?用这25个提示词技巧,亲测有效!(ChatGPT & Claude 2)
答:一些项目是SiriGPT,用于游戏的AI地下城,用于营销内容的Copy.ai,优步的柏拉
图
研究对话系统,用于多语言NLP的Polyglot AI,以及
像
DeepScribe这样的医疗项目。
GPT-4
工作
揭秘DeepSeek:一个更极致的中国技术理想主义故事
,而更
像
一个极客”。
DeepSeek
大模型
OCR
Windrecorder:连续记录屏幕内容,通过OCR技术识别记录内容
如因网络原因报错,可在脚本安装依赖前添加代理set https_proxy=http://127.0.0.1:xxxx、或添加大陆镜
像
源; 如何使用
Windrecorder
录屏
教程
GPTs使用指南 | 保姆级GPTs入门教程,0代码基础也能做AI产品
它会引导你一步步创建你的GPTs,包含“命名 → 生成头
像
→ 明确功能 → 调整 →生成”
流
程。
GPTs
入门教程
大模型
从零开始了解AI大模型 - 技术篇:万字深度好文人话说大模型技术
训练数据可以是文本、文本-
图
像
对或文本-视频对。
大模型
LLM
谈谈LLM在推荐域的渗透,探索推荐新范式
如上
图
所示,一个完整的推荐系统包含召回、排序(粗排、精排、重排、端排序)、业务过滤层等几个重要的逻辑分层。
大模型
依赖倒置:以数字和AI的思维模式思考
回到企业的场景,还是拿抖音举例子,抖音规定了分成比例、以及
流
量分发算法等。
写文章
数字人
这个数字人开源项目太牛了,非常全面的项目解决方案(含源码)
数字人面试官:在招聘过程中,使用数字人面试官可以提供自动化的面试
流
程,公正地评估应聘者的资格。
Fay
开源项目
数字人
人工智能
生成式人工智能的“经济学”,The Economic Case for Generative AI
它可以根据输入的信息,生成出与之相关的文字、
图
片、甚至是音乐!
生成式人工智能
经济学
人工智能
人工智能大语言模型微调技术:SFT 、LoRA 、Freeze 监督微调方法
1.4 常见案例 样例 1 在计算机视觉中,低层的网络主要学习
图
像
的边缘或色斑,中层的网络主要学习物体的局部和纹理,高层的网络识别抽象的语义,如下
图
所示。
大模型
微调
<
...
43
44
45
46
47
48
49
50
51
52
...
>
1
2
4
5
6
7
8
9
100