「开源图像生成」共找到 5118 篇相关文章
「推理革命」爆发100天:DeepSeek-R1复现研究全揭秘!
本文深入梳理围绕DeepSeek-R1的复现研究,解析监督微调、强化学习等关键技术细节,介绍相关数据集、训练方法及奖励机制等,还探讨了推理语言模型更多发展方向,为研究提供基础。
Agent一直在行动,任务为何没有进展?PoS识别并打破Belief Trapping
智能体执行长程任务时常出现持续行动却无实质进展的「信念受困」问题,南开大学联合阿里云等机构提出PoS方法,通过显式维护信念状态、检测受困并针对性恢复,在多基准任务中显著提升效果,代码已开源。
一万字Jev 工程实践长文:把 Agent 的“判断题”从大模型里拆出来
本文是一万字Jev工程实践长文,作者结合自研落地Demo,拆解Jev核心设计逻辑,讲解如何将Agent中高频封闭的判断任务从大模型生成链路拆分,解决Agent上下文膨胀痛点,分享工程实现与选型思路。
斯坦福辍学生奥特曼:AI时代,大学上两年就够了
在面向科技实习生的活动上,有人问AI时代读大学是否必要,奥特曼认为要读,但四年太长,两年刚好,还列举盖茨等辍学生成功案例,强调辍学非成功公式,大学应给学生更多保障。
3万字长文带你WorkBuddy 从入门到精通
这是 WorkBuddy 的「从入门到精通」指南。介绍了它在 Windows 和 Mac 上的安装、登录、更新方法,功能涵盖新建任务、助理页面、项目页面等。还讲了技能、连接器、专家中心的使用,以及自动化、资料库、灵感等功能,还有实践案例、使用技巧和常见问题解答。
Seedance 2.5 专业创作实测:3D导演台、局部重改、角色库如何释放模型能力
Seedance 2.5升级,3D导演台自带图片生成白模功能、打通3D工作流;有片段重拍实用功能;小云雀升级角色资产能力。除素材增加,其更理解原视频创意逻辑,还有多模态参考等功能,降低创作门槛。
构建 AI 时代的知识底座:直播数据 LLM Wiki 实践
文章围绕直播数据 LLM Wiki 实践展开,指出领域知识沉淀面临挑战,引出 LLM Wiki。介绍其实际效果,如指标召回、代码生成等,阐述构建方法、架构设计、编译流水线、检索方式,还提及增量编译与持续 Lint,最后给出未来规划。
20刀月费秒变API!Hermes一行命令就能用上Claude、ChatGPT订阅
两大开源Agent框架有硬核更新。Hermes Agent v0.14用一行命令把模型订阅变API,零成本驱动开发工具,还接入Grok。OpenClaw 5.18修复问题,适配Grok。20美元月费可喂饱工具链,打破生态闭环。
无需训练,如何提升黑箱VLM?CARPRT用「类别感知」给出答案
近年来,视觉 - 语言模型(VLMs)改变图像理解范式,但零样本分类性能对 Prompt 敏感。墨尔本大学 TMLR 小组提出 CARPRT 方案,以“无训练、黑箱适配、类别专属权重”解决提示词语义适配不足问题,已被 ICLR 2026 接收。
我给 Claude Code 做了个 AI 硬件监工
作者受Anthropic开源项目启发,用M5Paper墨水屏开发板做出M5 Paper Buddy,可蓝牙连电脑,监控Claude Code对话状态并审批操作。它有诸多功能,与官方项目区别大,还体现AI与硬件结合趋势。