- 综合排序
- 最热优先
- 最新优先
- 来自专栏ATYUN订阅号
利用AI 生成商标
最新的尝试是生成一个对抗网络(GAN)——由样本生成器和鉴别器组成，它们可以区分生成的样本和真实世界的样本。 然后他们使用谷歌的云视觉服务生成4到8个描述标识内容的单词标签，并使用预先训练的人工智能模型对这些标签进行矢量化，为每个示例创建空间表示。之后再对这些空间表征进行聚类，以识别具有相似视觉特征的特征。
2.9K20发布于 2019-10-08 - 来自专栏开源心路
AI生成视频-Pika
背景介绍 Pika 是一个使用 AI 生成和编辑视频的平台。它致力于通过 AI 技术使视频制作变得简单和无障碍。 Pika 1.0 是 Pika 的一个重大产品升级，包含了一个新的 AI 模型,可以在各种风格下生成和编辑视频,如 3D 动画，动漫，卡通和电影风格。 现在我们需要告诉 AI 实际上我们想要生成什么样的片段。 对于第三次生成，我们将使用 “-camera rotate clockwise” 选项。 注意：以上步骤中的每一个生成命令都应该以回车键结束，这样 PIKA 才会开始生成你的视频片段。 我们很高兴推出 Pika 1.0，这是一次重大的产品升级，包括一个新的 AI 模型，它能够以 3D 动画、动漫、卡通和电影等各种样式生成和编辑视频，以及一个新的 Web 体验，使其更容易使用。
1.8K10编辑于 2023-12-06 - 来自专栏王的机器
生成式 AI 简介
生成和判别模型 GenAI 是一个 buzzword，其背后本质是生成模型 (generative model)，它是机器学习的一个分支，目标是训练模型以生成与给定数据集相似的新数据。 和判别模型不同的是，生成模型不需要示例里含有标签，因为它的目标是生成新数据，而不是给数据预测标签。 生成模型对 p(x) 建模，直接估计特征 x 的概率，从这个概率分布中采样即可生成新的特征。 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 这个例子展示了生成建模背后的基本概念，虽然现实中用生成模型要复杂很多，但其基本框架是相同。 3.
67030编辑于 2023-09-02 - 来自专栏自学气象人
生成式 AI 简介
生成和判别模型 GenAI 是一个 buzzword，其背后本质是生成模型 (generative model)，它是机器学习的一个分支，目标是训练模型以生成与给定数据集相似的新数据。 和判别模型不同的是，生成模型不需要示例里含有标签，因为它的目标是生成新数据，而不是给数据预测标签。 生成模型对 p(x) 建模，直接估计特征 x 的概率，从这个概率分布中采样即可生成新的特征。 由此可见，生成模型比判别模型要困难很多。 2. 生成模型的框架 了解生成模型框架之前，让我们先玩一个游戏。 这个例子展示了生成建模背后的基本概念，虽然现实中用生成模型要复杂很多，但其基本框架是相同。 3.
65910编辑于 2023-09-05 - 来自专栏慕枫技术笔记
深入理解生成式AI技术原理：初识生成式AI
真正的大师永远怀着一颗学徒的心 如果将人工智能按照用途进行简单分类的话，人工智能可以划分为决策式AI以及生成式AI两类。 而以ChatGPT为代表的生成式AI通过对大量数据的联合概率进行学习，对已有的数据和知识进行归纳总结，同时结合深度学习技术，自动生成新的内容，而新生成的内容可以是文字、图片甚至是视频等多模态内容。 深度学习 深度学习是生成式AI背后比较核心的实现技术，它是机器学习的重要优化手段，而机器学习又是人工智能领域重要的落地实现措施。 总结 本文主要对生成型AI进行了初步阐述，同时针对生成型AI最核心的两个技术点分别进行了初步说明，后面的专栏文章中将继续以深度学习以及大模型核心技术点作为切入点来深入分析生成型AI背后的技术原理。 希望通过系列文章的说明，让大家对于类似ChatGPT这样的生成型AI有一个更加深刻的理解。 如何优雅的消除系统重复代码 大厂面试官眼中的好简历到底什么样？
2.2K30编辑于 2023-08-10 - 来自专栏DevOps
【AI】生成式AI & Gemmi模型介绍
AI 人工智能 （AI） 被认为是机器（尤其是计算机系统）对人类智能过程的模拟。这些过程包括学习（获取信息和使用信息的规则）、推理（使用规则得出近似或明确的结论）和自我纠正。 生成式AI 生成式人工智能最近变得非常流行，它被大众用来生成不同类型的内容，包括文本、图像、视频等。 生成式 AI 是人工智能 （AI） 技术的一个子集，专注于根据输入数据或从现有数据中学习的模式生成新的原创内容。 与专为分类或预测等特定任务而设计的传统 AI 模型不同，生成式 AI 模型能够创建全新的数据样本，这些样本类似于它们所接触的训练数据。它使用生成模型，这些模型根据现有数据的学习概率分布生成新内容。 在这里，我们开发了用于不同领域的不同 AI 工具列表。 参考：What is Artificial Intelliegence? - DEV Community
87810编辑于 2024-05-06 - 来自专栏开源心路
AI生成中Transformer模型
文本生成：如GPT系列模型，在自动内容创作、对话生成等方面具有显著效果。 文本理解：如BERT模型，用于情感分析、文本分类、问答系统等。 语音处理：Transformer被用于语音识别和语音合成。 图像处理：虽然最初是为NLP设计的，但Transformer也已被适配用于图像分类和生成任务。 生物信息学：用于蛋白质结构预测等复杂任务。 视频处理：用于视频理解和视频生成任务。 注意力机制允许解码器在生成每个输出元素时“关注”输入序列中的不同部分，从而有效地解决信息压缩的问题。 这样，解码器可以直接访问整个输入序列，从而更准确地生成输出。 ,避免参照还未生成的词。 总之,Masked Self-Attention通过对未生成词位置的Mask,实现了顺序生成,是Transformer具有auto-regressive解码能力的关键。
1.2K11编辑于 2023-12-20 - 来自专栏AI工具大盘点
AI Logo 生成技术解析
在 AI 技术蓬勃发展的当下，其应用已渗透至品牌设计领域，AI Logo 生成这一创新应用应运而生。 一、AI Logo 生成技术解析（一）算法基础AI Logo 生成工具主要依赖深度学习中的生成对抗网络（GAN）和变分自编码器（VAE）等技术。以 GAN 为例，它由生成器和判别器两部分组成。 通过不断地训练和优化，生成器能够逐渐生成更加逼真、符合设计要求的 Logo 图像。（二）数据驱动大量的设计数据是 AI Logo 生成技术的核心驱动力。 三、AI Logo 生成的优势与特点（一）高效快速AI Logo 生成工具能够在极短的时间内（最短不到 60 秒）生成一批 Logo 方案。 五、AI Logo 版权问题剖析（一）版权政策差异免费 AI Logo 生成工具在版权政策方面存在显著差异。
51910编辑于 2025-07-15 - 来自专栏资讯分享
AI生成与版权保护
国内“AI文生图案”：需证明人类对AI生成内容的创作贡献。原告李某利用开源AI软件Stable Diffusion生成了一幅绘画，并发布在自己的“小红书”主页中。 需要注意的是，对于AI生成内容的版权保护，绝不等于对AI版权法上主体地位的认可。另一方面，不对AI生成内容加以保护会带来负面影响。 AI生成内容和非AI生成内容，本质上只是创作工具的不同，生成内容的外在表现形式并无本质差异，最终还是会落入到既有版权客体类型范畴之内。 写在最后：关于AI生成内容版权保护的三点思考。思考一：只要AI生成内容满足客观上的独创性要求，便可以落入版权法作品保护范畴。当然，需要AI模型使用者能够证明自身的创作贡献以及与生成作品间的必要联系。 从版权法角度来看，虽然不强调AI生成创作的“独创性高低”，当仍需满足“独创性有无”。思考二：认定AI生成内容具体构成何类作品，需要看AI生成内容的外观表现形式，符合版权法对于哪些特定作品的要求。
1.2K30编辑于 2023-09-14 ai生成PPT网站有哪些?10大AI 生成 PPT 网站大盘点
下面，我们就来详细介绍一些主流的 AI 生成 PPT 网站，帮助大家找到适合自己的工具。 1、AiPPTAiPPT 是国内较早专注于 AI 生成 PPT 的平台之一，凭借其简洁易用的操作界面和强大的智能生成能力，赢得了众多用户的青睐。 使用时，用户可以通过两种方式生成 PPT：一是输入文字大纲，AI 会根据大纲自动生成 PPT 的页面结构和内容框架，并搭配合适的模板风格；二是上传文档（如 Word 文档），AI 会自动提取文档中的核心内容 Prezi AI 的核心功能是 “智能动态路径生成”：用户输入 PPT 的主题、核心内容模块以及各模块之间的逻辑关系后，AI 会自动生成动态演示路径，确定页面之间的跳转顺序和缩放效果，让演示过程更流畅、 总结以上介绍的 10 款 AI 生成 PPT 网站（含 AI 辅助 PPT 功能的平台），涵盖了不同的功能特色、适用场景和操作风格，从专门的 AI 生成 PPT 工具（如 AiPPT）到集成 AI 功能的综合设计平台
2.3K11编辑于 2025-09-02- 来自专栏Java项目实战
Framer AI 零代码 生成式AI
Framer AI 零代码 生成式AIhttps://www.framer.com/更快的设计网站在熟悉的自由格式画布上设计您的网站。 使用Framer AI，你只需输入文本描述（支持中文），即可自动生成网站的设计、排版以及代码生成等工作。 点击“生成”按钮，等待AI为你创建网站。4. 在生成的网站上，你可以点击任意元素进行修改，也可以通过拖拽元素来改变位置和大小。 你可以随时返回Framer AI的主页，查看和管理你已发布的网站，或创建新的网站。如果你在描述网站时遇到困难，你描述提示词让ChatGPT帮我们生成，让AI更懂AI。 同时，Framer AI也支持中文提示词，所以如果你使用的是中文描述，AI生成的内容也会是中文的。
1.5K50编辑于 2023-07-24 - 来自专栏四楼没电梯
AI自动生成Git提交信息-git AI Commit
AI Commit 是一个利用AI分析Git差异并生成符合Conventional Commits规范的提交信息的Python脚本。本文将介绍其工作原理、核心功能以及如何优化您的开发流程。 什么是AI Commit？ AI Commit 是一个Python工具，通过分析暂存的Git变更（git diff --cached）并利用大型语言模型（LLM）生成简洁、上下文相关的提交信息。 对于大型差异或多文件项目，AI Commit生成简洁摘要，保留关键细节。 2. 上下文感知的提交信息 AI Commit根据变更类型生成符合Conventional Commits规范的提交信息，例如： 文档更新：使用docs:前缀（例：docs: 更新README中的安装说明）。 实用小工具 App Store 截图生成器、应用图标生成器 、在线图片压缩和 Chrome插件-强制开启复制-护眼模式-网页乱码设置编码 乖猫记账，AI智能分类的聊天记账。
73010编辑于 2025-07-11 - 来自专栏人工智能
如何去除 AI 生成文章的 AI 味
如今在国内外IT技术圈里，使用AI工具辅助写作，已经是一个非常普遍的现象了。AI工具直接生成的文章，AI味很重，比如AI喜欢用一些模棱两可的词汇，和一些套话。 先用AI工具生成内容，再用另外一些AI工具对这些内容进行加工，即所谓的Humanization(人类化)动作。 沙漏模型框架：编辑AI生成内容的深度指南该图片描述了一个编辑AI生成内容的沙漏模型框架，包含两个主要部分：筛子（TheSieve）和塔（TheTower）。 由于AI生成内容时，常常会出现与事实不符的断言，顶层编辑的任务就是尽快识别并排除这些显而易见的错误。案例分析：例如，AI可能生成如下陈述：“埃菲尔铁塔建于17世纪初期，由著名科学家伽利略设计。” 顶层：补充难以通过提示生成的语法和逻辑塔的顶层聚焦于修复AI无法正确生成的语法错误或逻辑不一致性。这些问题可能在AI生成的初稿中被忽略，但通过进一步的审阅，编辑者可以识别并加以修复。
29310编辑于 2026-03-08 - 来自专栏大模型应用开发
生成式 AI 为何必须进行 AI 评测？
生成式AI为啥必须做AI评测？AI评测，就是用一套标准化规则，去衡量AI生成内容的质量、靠谱程度、安全性和实际表现的全过程。你可以把AI评测理解成生成式AI专属的单元测试。 但生成式AI完全是另一个路子。在生成式AI项目里：大模型就是系统的“大脑”。模型本质上就是个黑盒。输出是概率性的，不是固定不变的。一模一样的输入，可能跑出好几种不一样的结果。 ⚙️AI评测落地实操1️⃣DeepEval框架DeepEval是目前很火的生成式AI评测框架，自带完善的评测指标和现成示例，适配纯LLM提示、RAG流程、智能体工作流等各种场景。 这招直接省掉大量人工造数据集的力气，AI负责生成，人只需要复核校验质量就行。3️⃣最终评测结果判定不管是测提示词、RAG还是智能体系统，测试时都会计算多个指标。 这一步汇总，能保证评测结果统一、可量化、可落地，确保AI上线前足够稳。总结生成式AI能力强，但太“放飞自我”，想做出靠谱应用，结构化评测必不可少。
4710编辑于 2026-03-22 - 来自专栏我还不懂对话
【评论生成】AI生成评论，如何既相关又多样？
AI评论生成，如何既相关有多样？ 因此文章提出了结合检索和生成的方法，利用已有用户评论和检索出相关评论，训练一个打分器scorer（怎么训练呢？）。然后利用这些评论和文章，作为copy机制生成模型的训练数据。 而生成模型，用到的是CopyNet机制，通过设置超参控制生成和拷贝的概率叠加。 预估文章中的每个词语是否重要，用于指导下游生成，模型即转化为一个序列任务，预估每个词语是否重要。两个模块通过端到端方式集合生成任务一起训练。 knowledge graph TACL, 2020这篇主要是结合外部知识来生成，不止是评论生成，只是评论生成是，针对某些明星的评论，可能需要结合外部知识，例如明星的领域、代表作等，可以做参考。
3K53编辑于 2022-09-06 - 来自专栏云云众生s
面向API的AI：AI辅助SDK生成技术
在本文中，我们将深入探讨 AI 在 SDK 生成中所扮演的助手角色，审查常见的陷阱（例如幻觉），并探究 AI 如何补充传统的代码生成方法，以提供平衡且高效的开发体验。 AI 生成的 SDK 的挑战 虽然这听起来很有希望，但基于 AI 的 SDK 生成远非完整的解决方案。尽管它有优势，但仍有一些关键挑战需要解决。 1. 仅仅依靠 AI 来生成此类代码而没有人工监督可能会导致严重的安全性漏洞。因此，每段 AI 生成的代码都必须由人工开发人员仔细审查和测试。 4. 混合方法：结合 AI 和确定性代码生成 鉴于上述限制，AI 尚未准备好取代传统的 SDK 生成方法。但是，结合 AI 和确定性工具优势的混合方法提供了一种有希望的解决方案。 AI 在 SDK 生成中的未来 随着 AI 的不断发展，其在 SDK 生成中的作用预计会越来越大，尽管仍然存在一些挑战。
1.1K10编辑于 2024-10-08 DeepSeek锐评 | AI分子生成
AI分子生成技术的系统性瓶颈与范式挑战 1. 分子表征体系的根本性缺陷 当前生成模型依赖的分子表示方法（SMILES、分子图、3D点云）存在不可忽视的物理信息丢失。 对2021-2023年AI生成药物专利的统计分析显示（WIPO, 2024），38%的分子权利要求无法通过KSR v. 更根本的矛盾在于：当生成模型通过强化学习在ZINC20数据库外发现新型苯环取代模式时，现有专利审查体系缺乏判定"创造性步骤"的客观标准——这直接导致Amgen诉Sanofi案中AI生成抗体的权利要求被部分无效 知识产权框架的重构 欧盟专利局最新指引（EPO, 2024）引入"算法创造性贡献度"评估矩阵，通过7个维度的技术效应分析判定AI生成发明的可专利性 基于区块链的分子生成路径溯源系统（MolChain）可完整记录从潜空间采样到合成验证的全链条数据 （JACS Au, 2024） AI分子生成的核心矛盾已从算法精度转向科学范式的兼容性挑战。
18010编辑于 2026-01-08- 来自专栏AI系统
【AI系统】LLVM 后端代码生成
本文将介绍 LLVM 后端的生成代码过程，LLVM 后端的作用主要是将优化后的代码生成目标代码，目标代码可以是汇编语言、机器码。 LLVM 的代码生成能力使得开发者可以通过统一的编译器前端（如 Clang）生成针对不同硬件平台的优化代码，从而更容易实现跨平台开发和优化。 汇编生成器（Assembly Generator） 汇编生成器将优化后的机器指令转化为汇编代码。LLVM 的汇编生成器支持多种目标架构，生成的汇编代码可以通过汇编器转化为目标机器码。 机器代码生成器（Machine Code Generator） 机器代码生成器将汇编代码转化为最终的二进制机器代码。 LLVM 的机器代码生成器直接生成目标文件或内存中的可执行代码，支持多种目标文件格式和平台。
73810编辑于 2024-11-28 - 来自专栏xiaosen
AI ppt生成器 Tome
介绍 一款 AI 驱动的 PPT/幻灯片内容辅助生成工具。只需要输入一个标题或者一段特定的描述，AI 便会自动生成一套包括标题、大纲、内容、配图的完整 PPT。 Tome | Polished & Professional AI Presentations 功能 将文字描述，通过AI生成文字内容和AI插图，自动将其组装成一个完整 的PPT 。 > 提示栏（Prompt Bar）：**可以让你输入任何想法或问题，然后由AI来为你生成完整的故事或者特定的页面。 只需输入一些文字或图标，然后AI就会生成一张图片，并且可以进行细节上的调整。 样式 右侧工具栏可以对整个ppt或者某一页ppt进行风格样式调整 优点： AI驱动生成PPT内容，中英文描述均支持。 支持通过描述生成对应AI图片。 允许嵌入文本、图片、视频、书签、网页片段。
1.2K10编辑于 2024-03-15 AI生成报告引发退款风波
某咨询机构已同意退还澳大利亚政府合同的部分款项，此前该机构承认使用生成式AI制作了一份充满虚假引用、虚构脚注甚至编造联邦法院判决引文的报告。 如今的新版本在其方法论部分包含了一份声明：该咨询机构使用了"基于某中心OpenAI GPT-4o的大型语言模型的生成式AI工具链，该工具链由就业与工作关系部授权并托管在其某中心租户上"来填补"可追溯性和文档空白 该咨询机构长期吹嘘其AI实力并向客户提供"负责任AI"培训，如今却不得不面对自家报告被曝光受AI污染的尴尬局面。 在全球范围内，该机构年收入超过700亿美元，其中越来越多的部分来自AI伦理、政策和部署方面的咨询——而非意外引用不存在的学者。 消息人士告诉《澳大利亚金融评论》，该咨询机构的内部审查将失误归咎于人为错误而非AI滥用——尽管考虑到幻觉引用列表，这种辩护可能会考验人类轻信的限度。
18210编辑于 2025-10-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号