文章列表-AI魔法学院

文章列表

【揭秘】BELLE大模型：一个集合训练、数据、模型、APP的超级神器，让每个人都能拥有自己的“大模型”！

文章来源：机器之心

训练大模型 belle

技术爆炸！AI一图换脸新王者，Instant ID保姆级安装与使用测评

第二个单元是进行人物面部朝向的参考，可以放入一张动作的照片，这个模块参考的主要是头的朝向，脸部是谁并不重要，至于人物的姿态动作会随机生成。

Instant ID 文生图

向量数据库不是一个单独的数据库分类

但这并不仅仅是大公司们害怕自己错失良机。

大模型向量数据库

Ollama的本地化又一图形工具ChatOllama，让你轻松玩转ollama，ChatGPT

现在各种大模型层出不穷，chatgpt4已经很牛了，现在还出了claude3，还有ollama这种开源大模型，民用级机器也可以跑大模型。

ChatOllama 安装

Fastwhisper + Pyannote 实现 ASR + 说话者识别

基于PyTorch机器学习框架，它具有最先进的预训练模型和管道，可以进一步对自己的数据进行微调，以获得更好的性能。

faster-whisper 语者识别 ASR

大语言模型应用中的文本分块策略

区块太小或太大，可能会导致搜索结果不精确或错失显示相关内容的机会。

开源模型

Stablediffusion3论文下载-确定了Stablediffusion3与Sora的架构是一致的

引言(Introduction)：扩散模型通过训练来逆转数据向随机噪声的正向路径，与神经网络的近似和泛化特性结合，可以生成新的数据点。

SD 论文

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

下面是一些构建Agent会用到的专门组件： · AgentInputComponent 允许将Agent输入（任务、状态字典

Agent QueryPipeline 大模型

营销Prompt：三分钟生成百篇营销文案，领先99%的同行！

评估内部优势和劣势，以及外部机会和威胁，以做出明智的决定。

写作营销 prompt

AutoGPT与LLM Agent解析

;Generative Agents 这篇工作中，作者将 25 个拥有身份设定的模型 agent 组成了一个虚拟小镇社群，每个 agent 都具有记忆系统，并通过做计划，行动应答，自我反思等机制来让他们自由活动

大模型

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

如果我们的块太小或太大，可能会导致不精确的搜索结果或错过展示相关内容的机会。

RAG 大模型

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

我们知道，循环神经网络（RNN）在深度学习和自然语言处理研究的早期发挥了核心作用，并在许多应用中取得了实功，包括谷歌第一个端到端机器翻译系统。

transformer 训练

大模型量化：什么是模型量化，如何进行模型量化

Why：为什么需要模型量化随着深度学习（Deep Learning）的发现，其在计算机视觉（Computer Vision， CV）和自然语言处理（Natural Language Processing

大模型

如何改善你的回测方法，提高策略的未来收益

绩效评估 • 因果关系图：在回测前建立因果关系图，明确策略背后的因果机制。

回测方法

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

Abstract（此部分翻译为主）当前的计算机视觉（CV）模型通常被训练用于预测有限的物体类别。

OpenAI 自然语言监督

<...79 80 81 82 83 84 85 868788 >

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