爱可可微博热门分享(6.30)

[fly51fly]

No 1. 什么是Agent No 2. 有人完全用Stable Diffusion制作的漫画：用SD1.5完成，model为iComix，在提示中混合著名演员以保持人脸一致，用ControlNet Reference实现服装一致，用ControlNet OpenPose控制姿态 No 3. gptpdf: 用GPT解析PDF的自动化工具，将PDF内容转换为Markdown格式，支持排版、数学公式、表格、图片和图表的完美解析，每页平均价格0.013美元 No 4. ComfyUI老照片修复助手：一键还原老旧或低质量照片，支持自动去划痕和人脸增强，基于microsoft/Bringing-Old-Photos-Back-to-Life项目 No 5. WebDesignAgent：自动化网站设计Agent，支持将文本描述、图片和视觉线索转化为功能完备、设计精美的网站，简化网站创建过程 No 6. AI文本到视频模型：从零开始使用Python搭建小型AI视频生成模型，输入文本提示即可生成相应视频，涵盖理论概念理解到架构编码及最终结果生成全过程 No 7. unet.cu：基于纯CUDA的UNet扩散模型，优化图像合成性能，实现与PyTorch相当的训练速度 No 8. #免费##抽奖# 携手@异步图书 送出3本《Python极客项目编程(第2版)》 No 9. GeoSpy：基于AI的地理定位工具，揭示照片拍摄地点，由Graylark提供技术支持，支持Python语言开发 No 10. #免费##抽奖# 携手@图灵新知 @图灵文化 送出3本《CPython设计与实现》 No 11. complexipy：用于快速计算Python文件的认知复杂度，由Rust编写的Python库，提高代码可维护性 No 12. 智谱AI实时语音转文字助手：结合流式大型语言模型和GPT-SOVITS，通过网页实现跨网络服务调用，支持实时对话功能 No 13. Bora：生物医学通用视频生成模型，专为文本引导的生物医学视频生成设计，可提高医学教育、机器人辅助手术和医学AI开发的数据增强 No 14. OmniParse：多格式数据解析与优化平台，将非结构化数据转换成结构化数据，专为GenAI框架增强兼容性设计，可从文档到多媒体高效转换 No 15. #抽奖##赠书# 携手@博文视点Broadview 送出3本《高效深度学习：模型压缩与设计（全彩）》 No 16. 几篇论文实现代码 No 17. Eidolon：开源智能Agent服务框架，简化智能Agent的设计和部署，支持模块化组件定制和升级，无厂商锁定，适应快速变化的AI领域 No 18. Agentic LLM漏洞扫描器：开源的大型语言模型(LLM)安全扫描工具，提供定制化规则集和基于Agent的攻击测试，全面模糊测试任何LLM，集成LLM API并进行压力测试，支持广泛的模糊测试和攻击技术 No 19. 实时语音AI助手：快速响应语音查询的智能Agent，能够在大约500毫秒内以语音形式回答问题，具有高度灵活性，支持任意大型语言模型、文本到语音(TTS)和语音到文本(STT)模型的替换使用，适用于客户服务机器人、接待员等多种场景 No 20. Meta LLM Compiler：面向编译器优化的先进语言模型，能够读写AT&T风格的汇编语言、LLVM IR和C代码，模拟clang编译器的功能，适用于代码优化和编译器推理任务 No 21. cz-blog个人博客系统：基于SpringBoot + Thymeleaf + Vue开发的全栈博客平台，提供自适应的前端界面和后台管理功能，适用于毕设、实习和个人学习项目 No 22. At-RTOS：面向嵌入式控制器的开放友好实时操作系统，支持多种硬件平台和编译器，简化嵌入式固件开发过程 No 23. Free GPT 3.5 API：一个免费的GPT 3.5模型API服务，支持多种授权方式，简化了API接口的调用和部署过程 No 24. 人工智能规模化的误区 No 25. ScreenPipe：将屏幕内容转化为行动的智能工具，利用大型语言模型（LLM）进行屏幕内容分析与操作，灵感来源于adept.ai、rewind.ai和Apple Shortcut，采用Rust + WASM技术实现 No 26. [CV] Video-Infinity: Distributed Long Video Generation 通过分布式推理和两种协同机制实现多GPU并行加速长视频生成，可在5分钟内生成2300帧视频，比现有方法提速超过100倍。 ...... No 27. 看图学大模型：以图解形式介绍大型语言模型技术，帮助读者快速理解复杂概念，适合初学者和专业人士 No 28. [CL]《From Decoding to Meta-Generation: Inference-time Algorithms for Large Language Models》 No 29. 晚安～ [月亮] ​ No 30. [CV]《Long Context Transfer from Language to Vision》 No 31. 早！[太阳] ​ No 32. ComfyUI Photoshop插件：集成AI生成功能，提升Photoshop图像编辑体验，支持一键式图像艺术化转换，简化操作流程，增强性能 No 33. Kinopio创意思考工具：空间思考画布，助你整理新想法和解决难题，通过客户端Web应用实现空间、卡片、连接等的读写操作，支持离线编辑和API请求同步更新 No 34. 本文通过在文本上训练长上下文语言模型，发现其上下文长度可以直接迁移到多模态对齐模型中，从而无需长视频训练就可以处理更多视觉信息，还提出了UniRes统一编码和V-NIAH评测。//[CV]《Long Context Transfer from Language to Vision》 No 35. Chrome AI：Chrome内置模型（Gemini Nano）的Vercel AI提供器，提供实验性的AI功能，用于生成文本和对象，支持自定义设置 No 36. Mako: 基于Rust的极速生产级Web打包器，适用于Web应用、混合应用、小程序（部分）、低代码、无服务器等场景 No 37. portBLAS：基于SYCL开放标准的BLAS实现，为高性能计算提供现代化的C++实现 No 38. Docker for Robotics：机器人操作系统(ROS/ROS 2)与Docker集成的最佳实践指南，提供Linux和Windows操作系统上的开发建议，涵盖图形用户界面显示、硬件操作、实时代码能力以及多机器网络设置。同时提供Visual Studio Code的容器设置指导 No 39. 综述了语言模型生成算法的发展，从token级生成、元生成到高效生成，提供了统一的角度，有助于理解这个新兴而又日新月异的研究领域。//[CL]《From Decoding to Meta-Generation: Inference-time Algorithms for Large Language Models》 No 40. 通过决策边界视角发现LLM零样本学习存在决策边界不平滑问题，提出了微调和主动学习等方法改善其鲁棒性。//[LG]《Probing the Decision Boundaries of In-context Learning in Large Language Models》 No 41. [CV] Cambrian-1: A Fully Open, Vision-Centric Exploration ...... No 42. DripTable：轻量、强大的企业级低代码表格可视化搭建解决方案，基于React和JSON Schema，通过简单配置快速生成动态表格页面 No 43. 知识图谱RAG：利用知识图谱和文档网络提升RAG性能的工具，可自动创建知识图谱和文档网络，增强大型语言模型的上下文理解 No 44. ASEED：AI搜索引擎评估数据集，基于真实用户搜索场景重构，用于评估主流AI搜索引擎的问答质量，涵盖多种语言，包括英语、日语、简体中文、俄语和繁体中文 No 45. [AI] Computational Life: How Well-formed, Self-replicating ...... No 46. llama-agents：构建、迭代和生产化多智能体系统的异步优先框架，支持多智能体通信、分布式工具执行、人机交互等 No 47. 新书：面向生成式AI的提示工程 No 48. 今日推介(第1452期)：探测大型语言模型上下文学习的决策边界、不正确合成数据上的强化学习将LLM数学推理效率提高了八倍、大型语言模型的推理时算法综述、减轻毒性的偏好微调可跨语言泛化、从语言到视觉的上下文长度迁移 ...... No 49. Google Cloud Compute机器类型选择器：帮用户在Google Cloud Platform多个区域中选择最优的Google Compute Engine机器类型或实例，通过收集和比较不同来源的信息来优化云资源配置 No 50. [CL]《Preference Tuning For Toxicity Mitigation Generalizes Across Languages》