代码讲故事

免费开源项目一行代码训练成本再降30%，AI大模型混合精度训练再升级，安装部署步骤，支持docker一键运行！AI从任何地方使用语音命令控制您的电脑和智能家居！

实战精选 | 5分钟利用 OpenVINO™ 部署 Qwen2.5，Qwen2.5 语言模型支持高达 128K tokens，并能生成最多 8K tokens 的内容。它们同样保持了对包括中文、英文、法文、西班牙文、葡萄牙文、德文、意大利文、俄文、日文、韩文、越南文、泰文、阿拉伯文等 29 种以上语言的支持。

开源！上海AI Lab视频生成大模型书生·筑梦 2.0来了！从长视频自动生成适合短视频平台的垂直视频内容。

万字行业调研分析！AI 赋能应用开发：大模型如何重塑行业与技术边界？AI教育硬件全景报告，抖音小红书卖爆1万台！Office版人形机器人也来了，破解波士顿动力商业化难题。

任意一台普通电脑部署运行大模型生成图片或视频，可制作短视频，用迷你主机玩AI绘图，本地部署Stable Diffusion，一步一步详细搭建教程，可以借助显卡坞使用外置显卡，图文详细介绍，值得收藏！（包含所有工具软件、命令、代码、教程，以及懒人一键安装包）

Whisper-CPP：CPU-AI语音识别的天才，CosyVoice - 阿里最新开源语音克隆、文本转语音项目 一键整合包下载，GPT-4o实时语音方案Livekit开源voice agent音视频。

OpenAI发布PVG：用小模型验证大模型输出解决“黑盒”难题，韩国团队拆分Transformer注意力让大模型解码提速20倍，微软、OpenAI、英特尔、谷歌、英伟达，成立开源大模型安全联盟。

PEFT | Lora、AdaLora、QLora高效调参原理解析，PEFT | Prompt系列高效调参原理解析，PEFT | Transformer参数量、计算量、显存占用分析。

首个开源、原生多模态生成大模型：一键生成 「煎鸡蛋」图文菜谱，详细介绍及安装步骤。

Runway Gen-3 实测，这就是 AI 视频生成的 No.1！视频高清化EvTexture 安装配置使用!

知识图谱构建助手安装配置使用！Sapphire Ventures最全Sales AI图谱：AI如何重塑销售行业？

免费开源（附代码地址）文生图提示词自动优化，还发现三个小窍门，人大度小满等机构出品！阶跃星辰万亿MoE+多模态大模型矩阵亮相。

魔镜魔镜，我要变得更漂亮！按需搭配一键叠穿，效果拿下新SOTA！中山大学&字节智创数字人团队提出虚拟试穿新框架。

史上首个实时AI视频生成技术：DiT通用，速度提升10.6倍，Image Textualization 将图像自动文本化，图像描述质量更高、更准确了（附代码地址）。

预测准确率达95.7%，ChatMOF利用LLM预测和生成金属有机框架，包含人工智能词汇表（AI glossary）。

AI大模型越来越厉害了，可以利用通用AI智能体帮助完3D游戏做任务、上分、做剧情，未见过的游戏也会玩，官网体验入口 DeepMind游戏AI代理软件工具app免费下载地址。

六万字长文详细分析AGI的应用方向和场景，解析多模态的生成能力，大模型微调实现AI Agent工作记忆、长期记忆，克隆任何人的语音、视频生成、AI玩游戏、AI陪伴、ERP助手、数字生命、打造超级智能体。

离线免费最新超长AI视频模型！一句话即可生成120秒视频，免费开源！只需要一张照片和音频，即可生成会说话唱歌的AI视频！能自行完成整个软件项目的AI工具，以及 Llama 3 在线体验和本地安装部署。

一文彻底搞懂掌握，高级RAG检索策略之句子窗口检索，高级RAG检索策略之自动合并检索，高级RAG检索策略之递归检索，使用Trulens评估RAG应用，LlamaIndex与RAG评估工具（附代码）。RAG，即Retrieval-Augmented Generation，是一种结合了检索（Retrieval）和生成（Generation）的深度学习模型架构。RAG模型通过检索大量的文档数据，并将相关信息融入到生成模型中，从而提高生成文本的质量和相关性。

清华和哈工大把大模型量化做到了1比特，把世界顶尖多模态大模型开源大模型量化个人电脑运行！机器人领域首个开源视觉-语言操作大模型，激发开源VLMs更大潜能，视 Mamba速度提升2.8倍，内存能省87%。

参数100亿、主打联网搜索，性能超OpenAI WebGPT，利用docker一键部署，有无GPU都行、可以指定GPU数量、支持界面对话和API调用，离线本地化部署详细教程。WebGLM 旨在使用 10 亿参数的通用语言模型（GLM）提供一种高效且低成本的网络增强问答系统。它旨在通过将网络搜索和召回功能集成到预训练的语言模型中以进行实际应用的部署。结合传统的搜索引擎的“知识”来对大模型进行一次检索增强。基于 GLM-10B 的联网增强版问答系统，WebGLM 可以更加精确高效的完成问答与检索的任务。

本地个人电脑离线用AI 模型全自动化制作属于你的动漫视频，CPU、GPU都可以使用两种方法两种模型分别不同的实现，使用并行计算和流式处理来加速图片处理。介绍如何使用 GAN 模型来生成属于你自己的动漫风格的视频，为自己、喜欢的菇凉或者调皮可爱孩子生成一个别具一格的动漫风格的视频。操作难度较低，适合想要试玩了解 GAN 模型的同学。可以同时使用 CPU / GPU （包括 ARM M1）来完成。类似大名鼎鼎的《你的名字》、《秒速五厘米》、《天气之子》等经典作品。

更先进的功能，无注意力大模型Eagle7B：基于RWKV，推理成本降低10-100 倍，另一个工具包使得大模型推理性能加速达40倍（附详细代码使用举例）。在 AI 赛道中，与动辄上千亿参数的模型相比，最近，小模型开始受到大家的青睐。比如法国 AI 初创公司发布的 Mistral-7B 模型，其在每个基准测试中，都优于 Llama 2 13B，并且在代码、数学和推理方面也优于 LLaMA 1 34B。

利用docker一键部署LLaMa到自己的Linux服务器，有无GPU都行、可以指定GPU数量、支持界面对话和API调用，离线本地化部署包含模型权重合并。两种方式实现支持界面对话和API调用，一是通过搭建text-generation-webui。二是通过llamma.cpp转换模型为转换为 GGUF 格式，使用 quantize 量化模型，使用 llama.cpp 运行 GGUF 模型。

揭示端侧大语言模型的无限潜力：多种量化模型，可以在个人电脑或者手机上安装部署使用，几行代码进行调研可以离线使用。

使用PaddleNLP识别垃圾邮件：用RoBERTa做中文邮件标题分类，模型在测试集上准确率达到98.3%以上（附公开数据集）。根据具体的任务需求和数据集特点，可能需要对模型进行调参和优化，如调整学习率、批大小、网络结构等。此外，可以利用交叉验证、模型集成等技巧来提高模型的性能。最后，评估模型性能时要注意模型在垃圾邮件分类任务中的准确率、精确率、召回率等指标，并对模型进行适当的调整和改进，以达到较好的分类效果。

使用PaddleNLP识别垃圾邮件：用ELECTRA做英文邮件标题分类，英文邮件短标题的分类效果能达到92%以上以及如何使用PaddleNLP加载和微调ELECTRA模型？（附公开数据集）

使用PaddleNLP识别垃圾邮件：用BERT做中文邮件内容分类，验证集准确率高达99.6%以上（附公开数据集）。

[自然语言处理|NLP] 文本分类与情感分析，数据预处理流程，包括了同义词替换和拼写纠正，以及使用NLTK库和TextBlob库进行标记化和情感分析（附代码）。当涉及到自然语言处理（NLP）中的文本分类与情感分析时，我们进入了一个广泛应用的领域。这种技术不仅有助于组织和分类大量文本数据，还能够自动判断文本中所表达的情感和情感极性。

多模态对比语言图像预训练CLIP：打破语言与视觉的界限，具备零样本能力。一种基于多模态（图像、文本）对比训练的神经网络。它可以在给定图像的情况下，使用自然语言来预测最相关的文本片段，而无需为特定任务进行优化。CLIP的设计类似于GPT-2和GPT-3，具备出色的零射击能力，可以应用于多种多模态任务。

基于jieba、TfidfVectorizer、LogisticRegression的垃圾邮件分类，模型平均得分为0.98左右（附代码和数据集）。

一行命令实现docker一键部署最新模型无限制模型接近GPT4能力的微调ChatGLM3第三代大语言模型单机部署、量化部署、Mac 部署、单GPU部署及多GPU部署指南，包含代码调用对话、API调用、网页对话、命令行对话、工具调用、代码解释器等模式，附详细代码和步骤。docker高度封装环境都配置好了，在不同的硬件环境中，只需要修改参数即可，例如多个GPU环境中，只需要修改GPU数量即可。也解决了大模型下载慢和无法下载的问题，提供了多种解决方案。如果想用其他的模型，只需要简单修改一下模型名称即可自动进行下载

熬夜整理模型下载、量化、代码调用，可免费使用离线部署的上千个国内外开源大模型梳理，整理开源的大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等。* Large Language Model (LLM) 即大规模语言模型，是一种基于深度学习的自然语言处理模型，它能够学习到自然语言的语法和语义，从而可以生成人类可读的文本。

零基础入门一文彻底掌握自然语言处理NLP中文分词、词性标注、关键词提取和文本摘要，包括；ChatGLM实战文本信息抽取、T5 模型完成新闻摘要任务、LLM大模型在文本摘要与提取中实现信息处理与压缩，详细的实现步骤和原理文章有点长，需要慢慢看，包含完整的图文和代码。

最新整理盘点全球最先进的几十种人工智能大模型，OpenChat：性能高达105.7%，第一个超越ChatGPT的开源模型？附开源代码地址。随着人工智能技术的不断发展，开源大模型逐渐成为学术界和产业界关注的焦点。开源大模型是指由多个团队共同开发、维护和优化的模型，其特点是开放性、共享性和可扩展性。在过去的几年中，开源大模型在 自然语言处理 、计算机视觉、 语音识别 等领域取得了显著的成果。

全能相似度计算与语义匹配搜索工具包，多维度实现多种算法，涵盖文本、图像等领域。支持文图搜索，满足您在不同场景下的搜索需求。Similarities：精准相似度计算与语义匹配搜索工具包，多维度实现多种算法，覆盖文本、图像等领域，支持文搜、图搜文、图搜图匹配搜索Similarities 相似度计算、语义匹配搜索工具包，实现了多种相似度计算、匹配搜索算法，支持文本、图像等。

ArXiv| Graph-Toolformer: 基于ChatGPT增强提示以赋予大语言模型图数据推理能力.受最新的ChatGPT和Toolformer模型的启发，作者提出了Graph-ToolFormer（面向图推理的Toolformer）框架，通过ChatGPT增强提示(Prompt)来教导LLMs使用外部图推理API工具。

自然语言处理中的查准率与查全率的关键技术，以及自然语言处理中的查准率与查全率具体实例与策略。自然语言处理（NLP，Natural Language Processing）是人工智能领域的一个重要分支，其主要目标是让计算机能够理解、生成和处理人类语言。自然语言处理涉及到许多子领域，如语音识别、机器翻译、情感分析、文本摘要、文本分类等。在这些任务中，查准率（Precision）和查全率（Recall）是两个非常重要的评估指标，它们可以帮助我们衡量模型的性能。

查准率与查全率的核心概念和实践应用以及如何提高查准率与查全率的实用技巧与策略。

使用PaddleNLP识别垃圾邮件准确率98.5%的垃圾邮件分类器（附数据集下载）。