「内容质量」共找到 1465 篇相关文章

产品应用9

GPT-6 Astra搓3D刷屏后,3D生成的竞争规则变了

GPT-6 Astra靠Agent一键生成3D内容刷屏后,引发通用大模型是否会取代专业3D生成模型的讨论。本文实测影眸Hyper3D新上线的Agentic Mode,分析3D行业在Agent时代的全新竞争标准。

量子位
产品应用8

顶级邪修再战 Nano Banana Pro ,超多玩法,太猛了这玩意!

谷歌发布 Nano Banana Pro 模型,将图片模型能力推向顶峰,支持中文。它能生成准确视觉内容、多语言文本,可混合多元素,支持多分辨率。经测试,其各方面表现出色,应用场景丰富,版权限制宽松,三方应用和谷歌官方均可使用。

歸藏的AI工具箱
推荐文章7

特征工程、模型结构、AIGC——大模型在推荐系统中的3大落地方向|文末赠书

文章指出大模型在三个层次改变推荐系统,一是改变“知识学习”方式,带来知识输入革命;二是改变“智能体”结构,探索推荐模型新范式;三是创造“新世界”,实现个性化内容生成。还介绍了相应落地应用及对从业者的建议。

AI前线
开源动态8

自回归因果注意力也能并行解码?上交联合UCSD突破LLM推理瓶颈,模型代码全开源

大语言模型推理速度是应用瓶颈,传统方法各有弊端。上交和UCSD团队提出Jacobi Forcing方案,无需重构架构,将AR模型转为并行解码器,提速显著且质量损失小,核心优势多,技术路线全链路优化,实测表现优。

机器之心
新闻资讯7

哈萨比斯出的难题,GPT之父接上了:用一个知识停在1930年的模型

GPT之父Alec Radford等用1931年前数据训练13B模型Talkie,切断现代知识污染。研究者测试其能力,探讨它对未来的“预感”、规避污染问题及数据多样性等,同时训练中也面临时间泄漏、数据质量等难题。

机器之心
推荐文章8

别再用提示词去 AI 味了,方向就是错的

当下“去AI味”需求大,但用提示词去AI味是错的。原因有产出内容同质化、提示词一次性、未告知AI具体风格。作者提出写作风格Skill方案,介绍了制作步骤、模板及与其他技能的组合。

宝玉AI
推荐文章7

人才济济的大厂,为何频频产出垃圾代码?

科技大厂常产出垃圾代码,原因在于多数代码变更由菜鸟工程师完成,他们经验不足且常处于摸索状态。老手虽有优势,但过度依赖有问题。大厂为调度人才牺牲代码质量,这在AI时代隐患更大。

InfoQ
产品应用7

盘点丨那些 AI 公司悄咪咪上线的产品(十五)

本期盘点快手、字节、百度新上线的 AI 产品。快手的 Poify 是电商场景 AI 图像编辑产品;字节的 Pippit 是全链路内容制作平台,功能成熟丰富,拿下 ProductHunt 4 月月榜第一;百度的月匣是 AI 虚拟陪伴产品。

特工宇宙
产品应用7

一款好的 AI Native 硬件,硬件只是脚手架,真正壁垒一定是 Agent

奇朵团队创始人黄勇认为,做AI原生儿童硬件,应先定义场景或内容驱动的Agent,再为其打造硬件。他们推出面向6 - 12岁国内儿童、3 - 8岁海外儿童的相机与闪卡形态产品,通过与IP合作搭建可信任知识底座。

Founder Park
开源动态7

Karpathy用「harness」彻底终结了RAG。

假期时Karpathy提出llm.wiki想法引发关注。它是元框架,定义人类与AI协作管理知识的方式。与RAG不同,它将新材料关键信息编入已有wiki并持续维护。作者用多种数据测试,发现TextIn API解析效果好,还优化处理流程提升质量。

探索AGI