文章列表-AI魔法学院

文章列表

GLM4 开源了！！！还有多模态

智谱AI开源了GLM-4-9B预训练模型，该模型在语义理解、数学推理、代码执行等领域表现卓越，支持多轮对话、网页浏览、代码执行等功能，同时增加了对26种语言的支持。基于GLM-4-9B的多模态模型GLM-4V-9B表现突出。GLM-4-9B系列模型在多个评测任务中均展现卓越性能，可快速调用体验。这一开源举措将为AI社区带来新活力和创新动力。

智普 ChatGLM 多模态 2024-06-05

SD3 正式开源 Sora同源架构

本文介绍了stability_ai发布的最新模型Stablediffusion3，该模型与OpenAI的Sora在架构上相似，都采用了Diffusion Transformer方式。Stablediffusion3具有生成视频、3D内容的能力，模型参数量增加至8亿，提升了图像质量。同时，介绍了即将推出的SD3 Medium模型，具有照片级真实感、优秀的字体排印学表现、高效性能以及微调能力，适用于定制和创意工作。

SD3 绘画 2024-06-03

有感情的语音合成开源模型：ChatTTS安装使用详解

ChatTTS是专为对话场景设计的语音生成模型，支持中英文，效果出色。它可集成于大型语言模型助手，提供自然流畅的交互体验。用户可简单提供文本获取语音文件。项目提供安装指南，包括下载源码、安装依赖、编写执行代码、自动下载模型及通过webui运行等步骤。用户可通过界面添加笑声和停顿，提升语音效果。

ChatTTS 语音合成 2024-05-30

从零开始学习大模型-第一章-大模型简介

大模型是人工智能领域拥有大量参数的深度学习模型，通过学习大规模数据，能处理复杂任务。大模型具有高性能、泛化能力和多功能性，广泛应用于自然语言处理、图像识别等领域。其兴起得益于数据量的增加、计算能力的提升和算法的改进。初学者需掌握基础知识、大模型原理、工具和框架，通过实践项目、参与社区和持续学习提升能力。大模型的微调是将预训练模型适配到特定任务的关键过程，需注意学习率选择、冻结层和数据不平衡等问题。

大模型从零开始 2024-05-24

动作识别模型有哪些

动作识别模型主要包括TWO-STREAM CNN、TSN、C3D、RNN等。TWO-STREAM CNN由处理RGB图像和光流图像的两个部分构成，并联合训练。TSN是TWO-STREAM的改进版，通过将视频分段并随机选取片段进行训练，解决了TWO-STREAM不能对长时间视频建模的问题。C3D则使用三维卷积核处理视频，虽效果略低但训练速度快且网络结构简洁。RNN因能处理序列问题而被用于动作识别，相关研究工作提出了结合姿态注意力的RNN模型。此外，还有TRN、TSM和SlowFast等模型，它们分别对TSN的融合方式、2D网络的时序建模以及不同时间频率的语义捕获进行了改进和优化。

动作识别模型 2024-05-24

阿里的AI一键换衣（AnyDoor）工具来了

AnyDoor是一款实现一键换衣和图片元素迁移的工具，操作简单，但效果仍需优化。它可用于电商等行业，但也可能被滥用。一键包方便使用，局域网访问需修改配置。

AnyDoor 换装文生图 2024-05-24

回望做大模型一年后的感悟

本文总结了AI领域的多个观点，包括OpenAI的稳定性问题、大模型领域的进步、开源与闭源的差距、LLaMA对大模型生态的影响以及中国研究者的实力。文章认为，尽管OpenAI在某些方面领先，但并非稳如泰山；国内在大模型领域的进步显著，且部分研究者的实力超过外界预期。同时，文章也指出了开源与闭源之间的差距，并强调了数据在模型训练中的重要性。最后，文章对中国在AI领域的发展充满期待。

大模型感悟 2024-05-24

吴恩达老师建议大家关注 AI 智能体工作流

吴恩达老师强调关注AI智能体工作流，可显著提升AI应用性能。他总结了一套智能体设计模式，包括反思、使用工具、规划及多智能体合作。通过迭代处理和多智能体协同，AI能产生更优质成果。近期研究也显示，采用迭代智能体工作流可大幅提升AI性能。未来将深入探讨这些设计模式并提供相关阅读材料。

智能体大语言模型 2024-05-24

AI国力战争：GPU是明线，HBM是暗线

本文指出，随着AI技术的迅猛发展，算力已成为国家竞争力的重要体现。当前，全球范围内在AI算力领域的竞争日趋激烈，大模型和GPU作为算力核心，备受关注。然而，在这场竞争中，HBM（高带宽内存）作为关键一环，却往往被忽视。 HBM是DRAM的一种升级产品，基于3D堆栈工艺，可以实现更高的内存带宽和更低的能耗，完美契合大模型对数据量和算力的近乎无上限需求。然而，HBM市场高度垄断，主要由韩国的海力士和三星主导，这使得其他国家在HBM供应上面临高风险。随着AI基础算力需求的大爆发，HBM供应紧张，价格高昂，成为制约AI算力进一步发展的瓶颈。文章强调，从2024年起，HBM将继GPU之后成为各个国家在算力竞争的关键。目前，韩国在HBM领域遥遥领先，美国虽有独苗美光科技苦苦支撑，但与中国相比仍具优势。而中国在HBM产业链上的存在感尚弱，国内尚无法量产HBM，这成为国内自研AI芯片的重大隐忧。为了突破这一困境，文章提出了两条投资逻辑：一是参与全球HBM产业链，选择能够参与到全球HBM供应链中的企业；二是相信国产化能够成功，选择可能在HBM封装上发挥作用的上市公司。然而，由于HBM技术难度高、投资金额大，且需要存储厂、晶圆代工厂、封装厂的通力合作，因此国产HBM的突破仍面临诸多挑战。总的来说，本文深入剖析了HBM在AI算力竞争中的关键作用以及全球HBM市场的现状与挑战，强调了国产HBM突破的重要性和紧迫性，为相关企业和投资者提供了有价值的参考。

GPU HBM 大模型 2024-05-23

用GPT4创建一部连环画故事

本文介绍了如何使用在线工具GPTs为孩子创作一本连环画故事书，主题为戒掉电子产品、享受户外活动。故事描述了一个小男孩从沉迷于智能手机到发现户外乐趣的转变过程，包括他如何被外界吸引、参与游戏、享受真实体验，并最终成为鼓励同伴参与户外活动的领导者。这个故事旨在提醒人们珍惜现实世界的美好，鼓励探索户外活动的乐趣。

GPT4 连环画故事书 2024-05-23

大模型应用的10种架构模式

本文总结了大模型应用领域的架构模式，包括路由分发、大模型代理、多任务微调、面向微调的分层缓存策略、混合规则、知识图谱、智能体蜂巢、智能体组合、记忆认知及双重安全等十个模式。这些模式旨在解决大模型应用中的成本、性能、准确性以及安全性等问题，使人工智能服务更加高效、准确且安全。文章强调，随着技术的不断探索和创新，未来可能还会出现更多新的架构模式，为人工智能服务的发展提供更多可能性。

大模型架构 2024-05-23

SD入门教程五：后期处理图片高清放大

本文介绍了如何利用放大算法显著提高图片分辨率，同时保持甚至增强图像的细节和清晰度。文章详细解析了后期处理模块中的图片输入、缩放、图片生成和进阶调参等四大区域的功能和使用方法。特别强调了ESRGAN系列算法和4X-UltraSharp算法在图像放大中的常用性和推荐性，同时简要解释了其他不常用算法的特点。文章最后总结了放大算法的应用场景，并预告了下一章将介绍ControNet，使图片更听从用户的意愿。

SD 入门教程修复 2024-05-23

24年首篇离奇论文：加点噪声，RAG效果翻倍？

本文研究了基于检索增强的语言模型（RAG）中信息检索组件对系统性能的影响，发现添加不相关文档可提高准确性，揭示了RAG系统的优化方向和局限性。论文首次关注RAG的IR方面，提出了方法策略并利用实验结果进行验证，为未来发展新一代信息检索技术提供了基础。未来可进一步研究内在机制，探索更复杂的模型和技术以提高性能。

RAG 检索增强 2024-05-23

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

本文介绍了使用检索增强生成（RAG）技术改进大型语言模型（LLM）性能的方法，特别是在YouTube自动评论回复中的应用。文章首先解释了LLM的作用，即取代人工进行降本增效，并以自动回复用户提问为例说明其应用场景。然而，LLM存在两个关键限制：静态的知识和对小众及专业信息理解不足，这可能导致对用户查询产生不良或虚构的模型响应。为减轻这些限制，文章提出了RAG技术。RAG通过向基本LLM处理过程添加检索步骤，根据用户提示从外部知识库中提取相关信息并注入到提示中，从而增强LLM的性能。这种方法灵活且直接，可以改进基于LLM的系统。此外，由于知识存储在外部数据库中，更新系统知识也变得简单。文章详细描述了RAG系统的两个关键要素：检索器和知识库。检索器接受用户提示并从知识库中返回相关项目，通常使用文本嵌入来表示和比较用户查询与知识库中每个项目的相似度。知识库则包含想要提供给LLM的所有信息，可以通过从一组文档中构建得到。文章还讨论了构建RAG系统时的一些细微差别，如文档准备、选择合适的块大小以及改善搜索策略等。最后，文章提供了一个示例代码，展示了如何使用RAG技术改进YouTube评论回复程序，包括安装必要的Python库、建立知识库、设置检索器以及将RAG添加到LLM中。通过比较无上下文和有上下文的模型响应，文章展示了RAG技术如何帮助LLM更准确地回答技术问题，并捕捉更丰富的解释。这一方法不仅提高了LLM的性能，也使其更适用于实际应用场景。

RAG 大模型自动回复 2024-05-22

SD入门教程四：图生图基础用法

本文介绍了图生图的概念及其使用方法，即通过AI在参考图上做修改，实现图片的二次创作。文章详细解释了图生图的功能区域和参数设置，包括提示词区域、提示词推理区域、图生图主功能区域等，并提供了具体的操作示例。此外，文章还介绍了如何通过涂鸦、局部重绘等功能对图像进行精细化修改，并探讨了缩放模式、采样方法、迭代步数、重绘尺寸和幅度等参数对图像生成效果的影响。总体而言，本文旨在帮助读者更好地理解和掌握图生图的使用方法，实现更精确、更个性化的图像创作。

SD 入门图生图 2024-05-22

<...12 13 14 151617 18 19 20 21 ...>

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