AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
从 Cursor 看面向聊天编程（CHOP）：如何重新定义开发者与代码的关系
精华编程领域的发展历程中，曾出现过许多革命性的概念，深刻改变了编程思想和流程。例如，面向对象编程（ObjectOrientedProgramming，OOP）强调通过对象封装状态与行为，简化了复杂系统的设计；面向过程编程（ProceduralProgramming）如今，随着大型语言模型（LLM）技术的快速进步，面向聊天编程（ChatOrientedProgramming，CHOP）1.什么是面向聊天编程（CHOP）？面向聊天编程（CHOP）是一种利用大型语言模型（LLM）生成和优化代码...CursorCHOP工具应对生成式AI的复杂性：HPE如何简化AI平台的构建与运维
生成式AI的挑战数据准备和管理：生成式AI的训练需要整合分散在多个系统中的数据，数据格式复杂，常包含缺失值和噪声，影响模型的训练效果。企业需高效收集、清洗、转换这些数据，并且要满足大规模数据处理和高速存储需求。同时，必须确保数据的安全和隐私合规。模型训练和部署：训练生成式AI模型需要大量计算资源和长时间的训练，硬件成本高且训练周期长。选择合适的模型架构和超参数至关重要，并且需要有效的版本控制来管理多...生成式AI运维从零开始掌握OpenCV：Python图像处理最详细入门教程（实战代码全解析）
本篇文章将为你详细解析OpenCV在Python中的应用，从基础安装到深入实战，并提供全套可运行代码，帮助你快速掌握这一强大的图像处理工具。无论你是初学者还是有一定经验的开发者，都能从中获益匪浅。OpenCV简介OpenCV是由Intel公司于1999年发起的开源计算机视觉库，旨在提供一种通用的基础设施，以加速计算机视觉应用的研究与开发。它支持多种编程语言，包括C++、Python和Java，并可在多个平台上运行，如Windows、Linux、macOS、...OpenCV人工智能Python论文解读：迄今为止最好的 RAG 技术栈
概述这篇文章深入探讨了Wang等人在2024年的研究，旨在为构建高效的检索增强生成（RAG）系统提供最佳实践建议。文章由TowardsAI的联合创始人兼CTOLouisFrancois撰写，分析了RAG系统的核心组件与策略。主要内容摘要查询分类：通过分类任务决定是否需要进行检索，确保系统只在必要时检索外部数据。数据分块：为数据选择合适的块大小至关重要，理想的块大小在256至512个token之间，有助于减少噪音和提高效率。元数据与混合搜索：元...RAG技术栈系统中科大重磅开源StableV2V：专注于「人机交互一致性」的视频编辑方法
前言大家好，我是Alonzo。随着OpenAI在今年年初公布了Sora的demo，videogenerationediting的工作呈现出井喷式发展的趋势，同时，我们课题组也在积极地进行许多探索。今天，很高兴能跟大家分享我们课题组的最新研究成果——StableV2V——一个专注于「人机交互一致性」的视频编辑方法。在开始详细介绍StableV2V的具体工作之前，我们已经将我们的代码、模型、权重开源，欢迎大家来我们的项目仓库提issues或PR～关于StableV2V的具体...AI生成浅谈基于LLM的三阶段自动知识图谱构建方法
原创文章指出，在以前的方法中，使用LLM生成三元组时，必须预定义好schema，假如schema数量很多复杂，很容易超过LLM的上下文窗口长度。并且，在某些情况下，没有可用的固定预定义schema。方法一、EDC框架EDC框架提出了一个名为提取定义规范化（EDC）的三阶段框架：先进行开放信息提取，然后定义schema，最后进行规范化。解决知识图谱构建问题。1.开放信息提取（OpenInformationExtraction）：利用LLMs进行开放信息提取，通过少量的...LLMKG知识图谱支持20+视觉任务，多项SOTA！可扩展多任务视觉基础模型LaVin-DiT：融合时空VAE与DiT
文章链接：https:arxiv.orgpdf2411.11505亮点直击高效处理高维视觉数据创新的联合扩散Transformer强大的任务泛化能力显著性能与效率提升总结速览解决的问题当前的大型视觉模型大多直接从自然语言处理架构中改造而来，使用低效的自回归技术，这种方法破坏了视觉数据中至关重要的空间关系，并且在高维度视觉数据的生成任务中表现有限。提出的方案空间时间变分自编码器(spatialtemporalvariationalautoencoder)编码高维视觉数据到...AI模型多模态语言模型实战之音乐转录
原创本文将以实战方式探讨基于Spotify公司的开源音乐大模型Llark并联合阿里巴巴的语音多模态大模型Qwen2AudioQwen2Audio将音乐转录成乐谱的完整过程。自动音乐转录是将MP3和WAV等音频文件转换为乐谱、吉他指法谱以及音乐家可能想要用乐器学习歌曲的任何格式的过程。本文中，我们将介绍目前用于执行上述操作的最佳工具，这些工具恰好是基于深度学习的，并采用了一种新颖的方法。当前最先进的技术这项任务的当前最先进的技术来自M...语音多模态大模型SOTA模型Llark#AIGC创新先锋者征文大赛# 告诉你一个小秘密！树莓派跑LLM难上手？为什么不试试Intel
原创 精华【本文正在参与AI.x社区AIGC创新先锋者征文大赛】https:www.51cto.comaigc2223.html前言大型语言模型（LLM）通过其卓越的文本理解与生成能力，为机器智能带来了革命性的进步。然而，这些模型的运行通常需要消耗大量的计算资源，因此它们主要部署在性能强大的服务器上。随着技术的发展和边缘计算的兴起，现在有潜力在更小巧、便携的设备上部署这些模型。例如，RaspberryPi树莓派和Intel哪吒开发套件等单片机。尽管体积小巧，但它...OpenVINOIntel 哪吒开发套Qwen2.5魔搭社区Phi-3.5RAG现有框架总结：7个GraphRAG+17个传统RAG | 推荐收藏
原创一、17个传统RAG框架传统的RAG（RetrievalAugmentedGeneration）框架，是一种集成了多个关键环节的综合体系，这些环节包括文本切块（Chunk）、向量转换（向量化）、数据存储、信息检索、二次排序、内容生成、内容评估等。该框架的精髓在于能够灵活适应各种策略，例如文档处理方法和检索策略等。其中，具有代表性的实现有RAGFlow（专注于深度文档理解）、QAnything（引入重排序Rerank机制）以及高度可配置的Dify等。这些实现虽然...RAGGraphRAG大模型生成式模型实现的区别——VAE、GAN、Diffusion和transformer
原创“生成式模型的表象就是从训练数据的数学分布中学习规律，然后生成新的相似的数据样本。”在之前的文章中虽然也介绍过生成式模型，但更多的是从非技术的角度理解什么是生成式模型；而今天我们来学习一下，生成式模型的实现。生成式模型什么是生成式模型？从专业的角度来说，生成模型是一类能学习数据分布并生成新样本的机器学习模型；通过捕捉训练数据的数学关系，创建出与真实数据相似但从未出现过的新示例。生成式模型的原...生成式模型测试时训练(TTT)太强了！
论文笔记分享，标题：TheSurprisingEffectivenessofTestTimeTrainingforAbstractReasoning测试时训练（TTT）是个新概念：在推理过程中使用从输入数据派生的损失暂时更新模型参数文章的结论：TTT显著提高了ARC任务上的性能，与基线微调模型相比，准确率提高了高达6倍；将TTT应用于一个8B参数的语言模型，在ARC的公共验证集上达到了53%的准确率，将公共和纯神经网络方法的最新水平提高了近25%。通过将我们的方法与最近的程序生成...训练TTTLoRASeed-Music：字节跳动的AI音乐大模型，让每个人都成为音乐家
音乐，作为人类情感表达的重要艺术形式，一直以来都在不断演进与发展。在人工智能技术蓬勃发展的今天，音乐创作领域迎来了一位强有力的“伙伴”—seedmusic。字节跳动凭借其卓越的技术实力，推出了这款令人瞩目的AI音乐生成大模型，它正在以全新的方式重塑音乐创作的版图，让音乐创作变得更加触手可及，充满无限可能。一、seedmusic概述seedmusic是字节跳动精心打造的一款AI音乐生成大模型。它的核心使命是将用户简单的输入转化...字节跳动AI音乐大模型Agent：我要自己管钱包了！
嘿，大家好！这里是一个专注于AI智能体的频道今天给家人们分享一些智能体应用的目前的一些好的消息。今年在AI开发工具领域有一个逐渐兴起的观点：具有更好"AI计算机交互接口"的工具，将有比较大希望能解决AIAgent的可靠性和准确性问题。目前这种趋势已经在多个产品中体现出来，比如E2B平台(https:github.come2bdevE2B)，以及由JeremyHoward发起、现在被Anthropic采用的llms.txt文档规范。最新Vercel也推出了一个通用的A...AgentAI开发使用Cursor和Claude AI打造你的第一个App
1Cursor简介Cursor是一款人工智能代码编辑器，基于VisualStudioCode开发，具备无缝集成的AI功能。它支持多种人工智能模型，能够与OpenAI、Anthropic、Google和Azure等主流平台实现集成。在实际使用中，Cursor与Claude3.5模型的配合效果尤为理想，这一模型被成功应用于应用程序的开发过程中。2开始使用Cursor首先，需要在设备上安装Cursor。安装完成后，创建账户并登录。登录后，可以创建一个新的文件夹，从头开始编写代码。对于...CursorClaudeAI微软、Anthropic正在拉满大模型的情绪价值
原创编辑星璇出品51CTO技术栈（微信号：blog51cto）再过3天，ChatGPT就要迎来它的第二个生日了，GPT推出也已经6年了。到目前为止，大型语言模型（LLM）一直在有效发展。它们真实、敏捷且足智多谋。甚至可以说它们在检索信息方面接近完美。但是作为“信息传递工具”，又如何呢？在最近接受ReidHoffman采访时，MicrosoftAI首席执行官MustafaSuleyman表示：“AI研究人员通常倾向于忽视信息传递工具的重要性。考虑到理解和响应人类情感...微软AnthropicChatGPTLLaVA-o1：第一个能够进行自发、系统推理的视觉语言模型，类似于 GPT-o1
原创 精华01、概述近年来，随着人工智能技术的快速进步，视觉语言模型（VLM）开始在多模态任务中崭露头角。然而，相较于文字生成领域的巨头如GPTo1，这些模型在处理复杂视觉问答任务时表现得力不从心。它们通常缺乏系统的推理能力，无法有效组织信息，导致对图片和文字的组合理解存在明显局限。针对这一痛点，由北京大学、清华大学、鹏城实验室、阿里巴巴达摩院和美国李海大学联合研究团队推出了一款全新的视觉语言模型——LLaVAo1。这一...LLaVA-o1大语言模型OuteTTS-0.1-350M 发布：一种新颖的文本到语音 (TTS) 合成模型，利用纯语言建模，无需外部适配器
原创01、概述在日益增长的语音合成需求中，文本转语音（TTS）技术快速进步，但也面临不少挑战。传统TTS模型往往依赖复杂的多模块架构，如深度神经网络、语音合成器、文本分析器等适配器，以生成自然的人类语音。这种复杂度带来了大量资源消耗，对设备的要求极高，使得许多设备无法轻松使用。尤其是个性化的语音生成和应用场景，传统TTS技术往往需要庞大的数据集和较高的硬件配置，对此，OuteAI发布了OuteTTS0.1350M，为TTS领域带来...大语言模型一次多模态大模型表格识别解析探索小实践记录
表格识别作为文档智能的重要组成部分，面临着复杂结构和多样化格式的挑战。【文档智能&RAG】RAG增强之路：增强PDF解析并结构化技术路线方案及思路前期文章也介绍了传统视觉的方法进行表格结构识别的方法，【文档智能】轻量级级表格识别算法模型SLANet关于表格识别在这里就不做过多的介绍了。国庆期间，笔者利用一个较长的时间段，训练了一个多模态的表格识别模型，效果还不错，特此记录一下多模态的效果。训练...多模态文档智能微调大型语言模型（LLM）的五个技巧
原创数据质量、模型架构以及偏见缓解方面的专家建议开发人员可以掌握LLM微调来提高人工智能开发的性能和效率。为什么微调至关重要大型语言模型（LLM）配备了处理广泛任务的通用能力，包括文本生成、翻译、提取摘要和回答问题。尽管LLM的性能表现非常强大，但它们在特定的任务导向型问题或特定领域（例如医学和法律等）上仍然效果不佳。LLM微调是指对预训练好的LLM进行进一步训练，使用更小、更具体的数据集，以增强其在特定领域任务...LLM大型语言模型人工智能
