AI Agent要如何修炼 才干真正落地
嘉宾丨薛磊撰稿丨诺亚出品，技术栈，微信号，blog51cto，本文整顿自九章云极DataCanvas资深算法工程师薛磊在WOT2024大会上的主题分享，，在AI技术突飞猛进的当下，智能体，Agent，技术正迅速崛起，成为AI畛域的一大热点，......
YOLO11问世！从新定义AI的或者性！
YOLO11标记着YOLO家族的新篇章，提供了更弱小，更多性能的模型，将计算机视觉带到新的高度，仰仗其完善的架构和增强的性能，该模型支持计算机视觉义务，如姿态预计和实例宰割，视觉AI社区曾经爱上了UltralyticsYOLOv8，但具备更......
多模态大模型 解读
作者，IgnaciodeGregorio编译，岳扬虽然AGI或者不会很快出现，但大言语模型确实正经过一种名为，多模态，的方式迎来改造，这一停顿使前沿模型从繁多的文字处置模型退化为能够同时处置多种数据类型的全能模型，即所谓的多模态大言语模型，......
Emu3 一致多模态输入与生成
Emu3在生成和感知义务中逾越了多个义务的公用模型，体现优于干流开源模型如SDXL、LLaVA，1.6和OpenSora，1.2，同时不须要基于Diffison或组合多种不同架构，Emu3能够依据文本输入生成高品质的图像，经过便捷地预测下一......
逾越CLIP 视觉大模型训练新范式
https，github.com，OpenGVLab，LCL视觉backbone的数据瓶颈CLIP是第一个衔接图像和文本的基础模型，但在大模型时代，仅凭对比学习的监视，曾经无余够让下游视觉，言语模型，VLM，取得足够好的功能，尤其是......
一文看懂RAG的各种套路
背景检索技术是指解析查问，并从外部数据源中失掉有关消息，在搜查、问答、介绍系统等多个畛域失掉宽泛运用，比如谷歌、Bing、baidu都是检索技术成功运行的典型代表，这些搜查引擎可以精准挑选并提供与用户查问相婚配的网页和文档，大大优化了消息检......
再到终章Agentic 从RAG启蒙到初级RAG之36技 RAG全景图 RAG！
检索增强生成，RAG，Retrieval，AugmentedGeneration，技术可追溯到2020年Facebook宣布的一篇论文，Retrieval，AugmentedGenerationforKnowledge，IntensiveN......
仅1.3B！Janus 一致多模态了解和生成
Janus是一个一致的多模态了解和生成的大型言语模型，MLLM，，它将多模态了解和生成的视觉编码解耦，Janus基于DeepSeek，LLM，1.3b，base构建，该模型训练时经常使用了大概5000亿个文本token的语料库，在多模态了解......
一文彻底搞懂多模态
MultiModal在人工智能的始终开展中，多模态学习逐渐锋芒毕露，成为了一个关键的钻研方向，它不再局限于繁多类型的数据解决，而是将图像、文本、音频等多种消息源联合起来，为机器提供了愈加丰盛和多元的了解视角，接上去分四部分，传统机器学习、深......
小模型 VS 大模型
首先，我们思索一个疑问，为什么qwen2基本上是当下最受欢迎的开源模型，说瞎话，相比于deepseek、llama、minicpm这些诚意满满的技术报告，qwen2的技术报告稍显一些，小家子气，，并没有提及到关键的技术细节，但是，qwen2......