卧槽，Midreal AI这个小说生成工具太强了。

卧槽，Midreal AI这个小说生成工具太强了。 与其他LLM直接生成的所谓根本没有逻辑和情节的“小说”不同。这个产品可以生成真正的小说，逻辑性和创造力都在线，而且还加入了互动能力，每到关键节点会让你选择剧情走向，还会生成一张配图。 下面是我测试的小说的一部分，之前AI生成的小说我根本看不下去，这个居然在我些东西的时候我给听完了。我的提示词是让他生成一个黄金时代科幻风格的克苏鲁神话故事。它非常懂这些上来就把故事地点安排在了因斯茅斯镇。并且克苏鲁神话的经典元素神秘学，和神经病角色一个不少。情节和气氛渲染也很到位。 他们这么厉害主要是强在两个能力： 内存跨越技术：可以实现几乎无限的记忆保留，确保游戏体验长期无缝连接。 长篇写作能力:长篇写作能力能够让叙事从头到尾保持连贯和引人入胜。 接下来说一下如何使用，通过链接进到服务器里面，选择Start频道。输入/start回车，然后输入提示词就是你想要一个什么样的小说。 目前支持中文和英文，我看频道里有人的发了NFSW的提示词，不知道能不能生成。 产品链接： Invalid media:

大型语言模型基础知识可视化学习指南 ||| #指南 #可视化

大型语言模型基础知识可视化学习指南 ||| #指南 #可视化 本文收集了一系列工具和文章，通过直观的可视化方式解释大型语言模型(LLM)的基础概念。 Jay Alammar的《图解Transformer》以生动的可视化说明了Transformer架构的工作原理。由于Transformer是所有语言模型的基石，理解它的基础尤为重要。《图解GPT-2》直观地展示了GPT-2的内部结构，如注意力机制等，有助于理解LLM的组成部分。 Brendan Bycroft的LLM可视化工具允许直观地探索不同LLM内部状态的变化。 Financial Times的文章解释了Transformer的重要性，以及它如何促成了生成式AI的发展。 OpenAI的Tokenizer工具演示了Tokenizer在文本处理中的作用。 Simon Wilson的文章深入解释了GPT Tokenizer的工作原理。 Greg Kamradt的Chunkviz工具展示了文本是如何被LLM处理成“块”的。 PAIR的“机器学习模型记忆还是泛化?”交互式介绍了两种学习方式及其对LLM的影响。 这些资源从多个维度直观地说明了LLM的核心概念和机制，有助于科技从业者和爱好者更好地理解LLM技术的本质。

卧槽，ChatGPT 的多模态就这么来了，手机版本可以理解语音以及图象内容了。太强了真的。

卧槽，ChatGPT 的多模态就这么来了，手机版本可以理解语音以及图象内容了。太强了真的。 ChatGPT 现在可以听到你让他听到的信息，并且可以以语音回复问题。 你现在可以向 ChatGPT 显示一张或多张图像。排查烧烤炉无法启动的原因，探索冰箱中的物品来计划膳食，或分析复杂的图表以获取与工作相关的数据。 你甚至可以圈出来需要 ChatGPT 关注的部分，它会只关注你圈起来的信息。 Plus 和 Enterprise 用户将在接下来的两周内体验语音和图像输入的功能。 来源：

卧槽 MagicClothing 这个AI 换装的演示效果有点强啊。

卧槽 MagicClothing 这个AI 换装的演示效果有点强啊。 而且还可以与 ControlNet 和 IP-Adapter 等其他技术结合使用。还是开源的，期待对应的 ComfUI 节点。 详细介绍： 推出了一种名为 Magic Clothing 的新型网络架构，它基于潜在扩散模型（LDM）进行开发，专门处理一项新的图像合成任务服装驱动的图像合成。 该系统旨在生成根据不同文本提示定制的、穿着特定服装的角色。在这一过程中，图像的可控性至关重要，主要是要确保服装的细节得以保留，并且生成的图像要忠实于文本提示。 为了实现这一点，我们开发了一种服装特征提取器，用以详细捕捉服装的特征，并通过自注意力融合技术，将这些特征有效整合到预训练好的LDMs中，确保目标角色的服装细节不发生改变。 同时，我们还使用了一种称为联合无分类器指导的技术，以平衡服装特征和文本提示在生成图像中的影响。 此外，我们提出的服装提取器是一个可插拔模块，可以应用于多种经过微调的LDMs，并能与 ControlNet 和 IP-Adapter 等其他技术结合使用，进一步提高生成角色的多样性和可控性。 我们还开发了一种名为匹配点LPIPS（MP-LPIPS）的新型评估指标，用于评价生成图像与原始服装之间的一致性。 论文地址：

面向开发者的 LLM 入门课程 | 这个库存放吴恩达大模型系列课程中文版，包括《Prompt Engineering》、《Bui

面向开发者的 LLM 入门课程 | 这个库存放吴恩达大模型系列课程中文版，包括《Prompt Engineering》、《Building System》和《LangChain》 。 《ChatGPT Prompt Engineering for Developers》、《Building Systems with the ChatGPT API》、《LangChain for LLM Application Development》等教程 作为由吴恩达与 OpenAI 联合推出的官方教程，在可预见的未来会成为 LLM 的重要入门教程，但是目前还只支持英文版且国内访问受限，打造中文版且国内流畅访问的教程具有重要意义；同时，GPT 对中文、英文具有不同的理解能力。本教程在多次对比、实验之后确定了效果大致相当的中文 Prompt，支持学习者研究如何提升 ChatGPT 在中文语境下的理解与生成能力。

苹果发布了一个可以利用LLM 生成动画的框架Keyframer。

苹果发布了一个可以利用LLM 生成动画的框架Keyframer。 Keyframer允许用户通过自然语言提示来创建静态2D图像的动画。 它使用GPT-4生成CSS动画代码，支持用户通过多种编辑器类型直接编辑生成的动画。 用户可以通过顺序提示和请求LLM生成的设计变体来迭代他们的设计。 论文链接：