视觉-语言模型

如何检测一个大模型是否为套壳chatGPT

guozhetao·2025-07-24 07:32

自定义你的 AI 项目文档系统——基于开源 LLM + LangChain + VSCode 插件构建

下面是一份关于如何自定义你的AI项目文档系统的完整实战指南，结合开源大语言模型、LangChain框架与VSCode插件技术，打造一个类DeepWiki的“智能项目文档专家”。

IT古董·2025-07-24 07:32

智能Agent场景实战指南 Day 17：Agent知识库集成策略

在现实业务场景中，Agent仅依靠基础语言模型的通用知识往往难以满足专业领域需求，而知识库集成正是解决这一问题的核心技术方案。

·2025-07-24 06:58

深入解析LoRA：低秩适应的高效大模型微调技术

1.背景与动机随着大语言模型（如GPT-3、Llama）的参数规模突破千亿级，传统全参数微调面临三大挑战：显存爆炸：微调70B模型需数千GB显存（如Llama-270B全微调需1.2TB显存）计算成本：

Zhong Yang·2025-07-24 06:54

LoRA中的低秩矩阵估计

LoRA（Low-RankAdaptation）是一种用于微调大型语言模型（LLM）的高效方法，尤其在资源有限的环境下表现出色。

·2025-07-24 06:53

TVP：用于高效二维时序视频定位的文本-视觉提示方法

温馨提示：本篇文章已同步至"AI专题精讲"TVP：用于高效二维时序视频定位的文本-视觉提示方法摘要本文研究的是时序视频定位（TemporalVideoGrounding，TVG）问题，其目标是在一段未经剪辑的长视频中

AI专题精讲·2025-07-24 04:44

解密纸巾群链接的生成策略：如何有效促进商品曝光

本文将为您解密纸巾群链接的生成策略，从内容策划、视觉设计到传播渠道的选择，全方位剖析如何有效促进商品曝光。通过实例分析与专家建议，我们将助您掌握链接生成的精髓，让您的商品在纸巾群中脱颖而出。

测评君高省·2025-07-24 04:40

从感知到决策：虚拟仿真系统与视觉算法融合下的多路RTSP视频接入技术探究

1️⃣背景概述随着国防信息化和智能化进程的不断加快，虚拟仿真系统与智能视觉算法平台正逐步成为现代化装备研发、测试验证与战术训练的重要技术支撑。

·2025-07-24 04:43

VideoPrism模型论文速读：一种用于视频理解的基础视觉编码器

1.引言论文介绍了VideoPrism，这是一个通用视频编码器，能够在多种视频理解任务中实现最先进的性能。VideoPrism的目标是通过单一冻结模型处理不同的视频理解任务，包括分类、定位、检索、字幕生成和问答。VideoPrism在预训练过程中使用了大规模的视频-文本对数据和带有噪声平行文本的视频片段。预训练方法在掩码自动编码基础上进行了改进，通过全局-局部蒸馏语义视频嵌入和令牌洗牌方案，使Vi

·2025-07-24 04:40

NLP论文速读|chameleon：一个即插即用的组合推理模块Plug-and-Play Compositional Reasoning with Large Language Models

:Plug-and-PlayCompositionalReasoningwithLargeLanguageModels论文信息：简介:该论文介绍了一个名为Chameleon的人工智能系统，旨在解决大型语言模型

Power2024666·2025-07-24 03:37

25岁从零开始学习平面设计，会不会太晚？

93091cdf8ebb·2025-07-24 02:32

Day9: OpenCV学习（一）—— 图像基础

基础图像操作1.图像读取2.图像显示3.图像裁剪4.图形尺寸修改5.图像保存6.图像绘制7.视频捕获即显示总结前言OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉和机器学习软件库

·2025-07-24 02:26

不要奢望仪式多有意义

最后呈现在众人面前的正式的仪式，都是无比的高大上，有强悍的视觉冲击力，堪称经典。

图图1513·2025-07-24 01:13

RAG 助力教育个性化：重塑学习体验的科技引擎

一、引言1.1研究背景与动机随着自然语言处理（NLP）技术的飞速发展，大语言模型（LLM）在众多任务中展现出了强大的能力，如文本生成、问答系统和机器翻译等。

hy098543·2025-07-24 00:18

OpenCV直线段检测算法类cv::line_descriptor::LSDDetector

它是OpenCV的line_descriptor模块的一部分，常用于计算机视觉任务如图像拼接、S

村北头的码农·2025-07-24 00:44

OpenCV-光流估计

文章目录一、光流估计介绍1.光流估计的基本概念2.光流估计的原理3.光流估计的前提4.OpenCV中的光流估计算法5.参数设置与调整二、代码实现三、注意事项OpenCV中的光流估计是计算机视觉领域中的一项重要技术

·2025-07-23 23:12

借助零信任网格重塑分布式MCP与LLM访问：安全、灵活的下一代架构实践

传统架构中，MCP（模型上下文协议）服务与LLM（大语言模型）工具的部署常面临安全暴露、网络复杂性、跨防火墙通信等挑战。

码力金矿·2025-07-23 21:26

USB串口通信、握手协议、深度学习等技术要点

该系统集成了嵌入式视觉处理、串口通信协议、深度学习OCR识别等多种技术，实现了从图像采集到车牌识别的完整流程。

深度学习教程,·2025-07-23 21:55

初识opencv

像素、彩色图像、灰度图像、二值图像、图像算数操作4.练习numpy中array的基本操作5.练习图像的加载、保存、以及算术操作参考文献1.什么opencv，它的优势点OpenCV是Intel®开源计算机视觉库

·2025-07-23 19:16

【论文蒸馏】Recent Advances in Speech Language Models: A Survey

直接的方法是ASR(语音转文字)+LLM+TTS(文字转语音)，但是这样有其固有的限制，而端到端的SpeechLM表现更好，本文及其方法论做了一个概览的综述1.Introduction大语言模型提供了强大的

Greener_Pat·2025-07-23 19:45

分类模型（BERT）训练全流程

使用BERT实现分类模型的完整训练流程BERT(BidirectionalEncoderRepresentationsfromTransformers)是一种强大的预训练语言模型，在各种NLP任务中表现出色

巴伦是只猫·2025-07-23 17:29

打造完美Web登录界面：HTML、CSS与Bootstrap实战

本教程将指导开发者如何使用HTML、CSS和Bootstrap框架创建一个功能齐全且视觉吸引力强的登录界面。

Suvo Sarkar·2025-07-23 17:28

具身智能的视觉-语言导航综述

视觉-语言导航（VLN）作为实现具身智能的重要研究路径，致力于探索智体如何利用自然语言与人进行有效沟通，接收并理解指令，并最终依靠视觉信息实现精准导

·2025-07-23 16:24

家庭服务具身智能机器人体系架构

硬件方面：差速移动机器人+六轴协作机械臂，软件方面选择ROS系统：底盘控制move_group，机械臂操纵MoveIt，大模型方面采用VLM+LLM：（1）视觉语言模型（VLM），用来实现环境理解与指令解析

·2025-07-23 15:52

PD分离技术分析

PD分离中的“PD”指的是大语言模型（LLM）推理过程中的两个核心阶段：Prefill（预填充）和Decode（解码）。这两个阶段在计算特性和资源需求上存在显著差异，分离部署可优化整体性能。

老兵发新帖·2025-07-23 14:15

大模型训练中的“训练阶段”（如Pre-training、SFT、RLHF等）与“微调技术”

以下是二者的关系解析及技术对照：一、训练阶段的核心流程与目标预训练（Pre-training）目标：在无标注通用数据（如互联网文本）上训练模型，学习语言、视觉等通用特征。微调技术

老兵发新帖·2025-07-23 14:15

Python --- day 10 Opencv模块的使用

1OpenCV介绍OpenCV（开放源代码计算机视觉库）是一个开源的计算机视觉和机器学习软件库。由一系列C++类和函数构成，用于图像处理、计算机视觉领域的算法实现。

AnAn__kang·2025-07-23 14:44

快手开源 Kwaipilot-AutoThink 思考模型，有效解决过度思考问题

介绍KAT(Kwaipilot-AutoThink)是一个开源大语言模型，通过学习何时生成显式思维链及何时直接作答，有效缓解过度思考问题。

·2025-07-23 14:12

一文弄懂开源大型语言模型 (LLM) 应用程序开发平台--Dify

Dify简介Dify是一个开源大型语言模型(LLM)应用程序开发平台，旨在弥合AI应用程序原型设计与生产部署之间的差距。

Llama-Turbo·2025-07-23 14:11

开源的大语言模型（LLM）应用开发平台Dify

概述Dify是一个开源的大语言模型（LLM）应用开发平台，结合了后端即服务（Backend-as-a-Service）和LLMOps的理念，旨在帮助开发者快速构建生产级的生成式AI应用。

·2025-07-23 13:38

大模型记忆灾难优化：分层存储架构与7B参数实战调优

近年来，大型语言模型在文本生成、复杂推理等任务上展现出惊人能力，但其固定长度上下文窗口导致的“记忆灾难”日益凸显。当对话轮次或文档长度超出限制，关键信息被无情挤出，模型表现急剧下降——在

AI咸鱼保护协会·2025-07-23 13:05

什么是GPT-4T？

1.引言：GPT-4T概述GPT-4T是OpenAI开发的新一代多模态大型语言模型，在GPT-4的基础上增强了对表格数据、数学表达式和代码的处理能力。

亿只小灿灿·2025-07-23 12:32

医疗AI应用中的幻觉缓解：案例与经验

——幻觉缓解的案例与经验关键词：医疗AI、幻觉现象、大语言模型、知识Grounding、多模态验证、临床安全、可解释性摘要：医疗AI（如大语言模型、辅助诊断系统）在提升医疗效率的同时，“幻觉”（生成不符合事实的医疗建议

AI天才研究院·2025-07-23 12:27

格灵深瞳视觉算法面试30问全景精解

格灵深瞳视觉算法面试30问全景精解——AI感知×智能安防×场景创新：格灵深瞳视觉算法面试核心考点全览前言格灵深瞳（GREATVISION）作为国内领先的人工智能与计算机视觉企业，专注于智慧安防、智能交通

机＿长·2025-07-23 10:16

商汤科技视觉算法面试30问全景精解

商汤科技视觉算法面试30问全景精解——AI赋能×智能视觉×产业创新：商汤科技视觉算法面试核心考点全览前言商汤科技（SenseTime）作为全球领先的人工智能平台公司，专注于计算机视觉、深度学习和智慧城市

·2025-07-23 10:16

旷视科技视觉算法面试30问全景精解

旷视科技视觉算法面试30问全景精解——AI赋能×智能安防×视觉创新：旷视科技视觉算法面试核心考点全览前言旷视科技（Megvii）作为全球领先的人工智能公司，专注于计算机视觉、深度学习和智能安防等领域，推动人脸识别

机＿长·2025-07-23 10:15

蔚来汽车视觉算法面试30问全景精解

蔚来汽车视觉算法面试30问全景精解——智能电动×高阶辅助驾驶×视觉创新：蔚来汽车视觉算法面试核心考点全览前言蔚来汽车作为全球领先的智能电动汽车品牌，致力于通过AI与高阶辅助驾驶技术推动智能出行的未来。

·2025-07-23 10:41

ikun-ui v0.2.7版本发布：组件功能增强与体验优化

时琦旖·2025-07-23 09:39

大白转战小荧幕——《超能陆战队第1季》

当初《超能陆战队》能够获得奥斯卡最佳动画长片，除了故事完成度很高外，还有一项的视觉重要技术也是功

妙介子·2025-07-23 08:48

智能衣橱革命：大语言模型如何成为你的24小时私人造型师？

从清晨通勤的干练西装到约会餐厅的惊艳晚装，从孕期舒适穿搭到面试首印象的决胜战袍，大语言模型正悄然成为我们私人形象顾问。

·2025-07-23 08:31

ChatGPT如何实现文字分类？精选案例和最佳实践

ChatGPT是一种预训练语言模型，通常用于生成自然语言文本。但是，在将其应用于分类任务时，它也可以表现出色。本文将介绍如何使用ChatGPT实现文本分类，并提供实践步骤和示例代码。

山城程序员·2025-07-23 07:32

喷丝板检测软件上位机开发

2、机器视觉检测孔洞识别：使用OpenCV的HoughC

深圳市由你创科技·2025-07-23 07:25

网络爬虫再深入——对抗指纹检测、分布式架构与智能解析实战

目录一、深入反爬：浏览器指纹检测与对抗（配图1）1.高级指纹检测原理2.对抗方案与实战二、分布式爬虫架构深度设计（配图2）1.容错与弹性设计2.智能限流算法三、智能解析：LLM与计算机视觉的融合（配图3

rooney2024·2025-07-23 07:25

零事故网站重构：11步标准化流程与风险管理指南

网站重新设计检查清单通常包括以下要素：视觉设计：网站的外观，包括布局、配色方案、排版和品牌用户体验（UX）：网站如何为用户提供服务，包括导航和互动元素搜索引擎优化（S

·2025-07-23 06:19

谷歌引入开源全栈 AI 代理栈：借助 Gemini 2.5 和 LangGraph 实现多步网络搜索、反思与综合

然而，大多数大型语言模型（LLM）仍存在一个关键限制——它们仅依据静态训练数据生成回复，缺乏自我识别知识空白或执行实时信息综合的能力。

·2025-07-23 04:36

计算机视觉：人工智能的“眼睛”

前言在人工智能的众多领域中，计算机视觉（ComputerVision）无疑是其中最为引人注目的方向之一。它赋予了机器“看”的能力，使计算机能够像人类一样理解和解释视觉信息。

人工智能教程·2025-07-23 03:04

计算机视觉：打开机器之眼看世界

计算机视觉是人工智能领域中备受关注的一部分，它的目标是赋予计算机类似于人类眼睛的功能，让机器能够感知和理解周围的世界。

LeafyJee_·2025-07-23 03:34

如何使用 OpenCV 打开指定摄像头

在计算机视觉应用中，经常需要从特定的摄像头设备获取视频流。

·2025-07-23 03:33

同盟/The Union(2024) 美国电影【1080P高清英语中字Netflix版本】百度/夸克网盘下载免费在线观看完整版

这部动作悬疑大戏以其跌宕起伏的情节、紧张刺激的节奏，以及充满悬疑与惊险的精彩画面，为观众带来了一场视觉盛宴。

e95cfad15310·2025-07-23 03:14

是智商税？还是真有效？

突然间，暴汗服广告铺天盖地冲击视觉。手机上，电梯内一个个汗水淋漓的靓女们又唱又跳又秀身材，一时间让对自己身材不满意的美女们，似乎看到了自己未来小蛮腰、大长腿的希望。

一家一救·2025-07-23 03:01

推荐频道