文章列表-AI魔法学院

文章列表

8个常用中文OCR数据集，附下载链接

数据多样、复杂，它包含了平面文本、凸出文本、城市街景文本、乡镇街景文本、弱照明条件下的文本、远距离文本、部分显示文本等。

OCR

史上最好的中文大预言模型出现了！！！

图：by bing wallpaper 先说结论：Moonshot AI 公司构建的Kimi Chat。

Kimi Chat 大模型

浅浅介绍下中文分词，用这些库搞定

今天我们来简单介绍下中文分词库。

Python 分词库

RAG 修炼手册｜一文讲透 RAG 背后的技术

在自然语言处理中，Embedding 常常用于将文本数据中的单词、句子或文档映射为固定长度的实数向量，使得文本数据能够在计算机中被更好地处理和理解。

RAG Embedding

了解Kimi必看的26个问题 | Kimi系列文（二）

已支持20万字上下文，200万字上下文需要申请。

Kimi 大语言模型

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

LLM 的潜力不仅限于生成内容、故事、论文和应用等方面，它还具有强大的通用问题解决能力，可以应用于各个领域。

agent

Stable Diffusion

Stable Diffusion的模型分类以及使用

在上一篇文章里我们列举了国内可以下载StableDiffusion模型的两个著名网站，那么小伙伴们下载下来模型之后，模型文件放到哪里呢？

文生图

书生·万卷：难得的中文开源数据集

中国的AI产业要迎头赶上，中文的数据集是最大的短板之一。

大模型

语言大模型100K上下文窗口的秘诀

《Attention is All You Need》论文中注意力架构的高级图解缩放点积注意力（Scaled Dot-Product Attention）现在详细讨论一个注意力头

大模型

语音、视频转文字神器：开源whisper介绍

让我们感受一下开源语音转文字的魅力吧。

人工智能大模型 wisper

一文彻底搞懂多模态 - 多模态推理

这两种模态的信息可以是图片和文本、视频和语音等。

多模态推理大模型

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

项目主页-https://fun-audio-llm.github.io/ 代码链接-https://github.com/FunAudioLLM/ 论文链接-https://arxiv.org

asr tts 声音

ComfyUI 基础教程（二）：文生图基础流程

一、文生图（text2img）使用步骤 .

comfyui 文生图

PDFTriage:面向长篇结构化文档的问答

七、未来工作和结论在本文中,我们提出了PDFTriage,这是一种针对面向文档任务的新颖问答技术。

大语言模型 PDF 文档

ChatPDF | LLM文档对话 | pdf解析关键问题

我认为这确实是一个重要且有挑战性的工作，但是今天要讨论的文本是有一个前提条件的，那就是有标题（目录）存在。

大模型

<...3 4 5 678 9 10 11 12 ...>

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