BLOG · 第 8 / 15 页
VOLCENGING 博客
探索前沿技术，分享实践经验，追踪行业动态。237 篇技术文章与行业观察，图片与排版全部在本站重建。
237 篇文章
15 页分页
9 类主题徽章
POSTS · 本页 18 篇
全部文章 · 第 8 页
按源站发布时间倒序排列，徽章为主题分类。当前第 8 页，共 15 页。
Idefics3 重塑多模态理解边界多模态终于进化到能读文档了 Hugging Face 带来了 Idefics3，一个重新定义视觉语言理解边界的开源模型。它不仅支持图文混合输入，更重要的是在文件分析和视觉推理场景中性能大幅跃升，让人第一次感到多模态模型真的有现实可用性。 Idefics3 的前身 Idefics2 就已经是 Hug阅读全文
更多文章
AI Agent 时代的新基石 Magma多模态不是终点 它只是起点 微软最新发布的多模态模型 Magma 不是在走传统视觉语言模型那条老路。它针对的不是静态感知任务，而是让 AI 理解、计划并行动。换句话说，Magma 并不只是看图说话，更像是看图干活。 在整个 Agen…阅读全文
Llama 4 Scout 上下文长度突破千万 Token全新架构带来超长上下文 Llama 4 Scout 的问世，再次把上下文窗口拉到了一个几乎荒谬的长度——1000 万 token。这并非仅仅是一个宣传用的数据，在实际部署中，它确实可以处理数百万字的输入而不崩溃，更重要的是：模型理解…阅读全文
【VOLCENGING AI 小课堂】Class 5 Transformer 架构深度解析：从《Attention Is All You Need》论文到现代大模型Transformer 是什么？ Transformer 是 2017 年 Google 提出的革命性深度学习架构，它彻底改变了自然语言处理（NLP）领域的游戏规则。今天我们将深入探讨这篇被誉为"改变 AI 历史"的论文——《Att…阅读全文
ChronoEdit-14B 开启物理感知编辑新纪元时间理解才是图像编辑的新上限 图像生成的“智商门槛”正在悄然提高，而 NVIDIA 刚发布的 ChronoEdit-14B 正好证明了这一趋势。这个模型不是传统意义上的图像编辑器，而是一个能理解“动作”并进行时序推理的世界模拟工具。…阅读全文
Emu3.5 原生多模态开启世界学习新纪元Emu3.5 是北京智源研究院（BAAI）推出的新一代多模态大模型，在架构层面做出了一个激进决策——不再区分视觉和语言的输入输出，而是通过统一的 token 序列进行处理。这种做法听起来简单，但一旦扩展到超过 10 万亿 token…阅读全文
NVIDIA 震撼发布多模态 Nemotron Nano VLNVIDIA 推出全新的 Nemotron Nano v2 12B VL 模型为多模态 AI 领域注入强劲动力。这款前沿模型由 NVIDIA 精心打造，旨在提供卓越的多图像推理、视频理解以及强大的文档智能处理能力，即日起便可用于商业…阅读全文
【VOLCENGING ComfyUI 小课堂】Class 9 ComfyUI Embedding 模型使用完整指南：解锁风格化图像生成的秘密武器Embedding 模型是 AI 绘图中一个非常实用的工具，它能够将复杂的提示词效果压缩成一个小小的模型文件，让你轻松实现特定的艺术风格、人物特征或画面效果。这些模型通常只有几 KB 大小，但效果却非常强大，是提升图像生成质量的重要…阅读全文
【VOLCENGING ComfyUI 小课堂】Class 8 ComfyUI 图片放大完整指南：从像素采样到 AI 模型放大在 AI 图像生成过程中，我们经常因为设备性能限制无法一次性生成大尺寸图片，通常需要先生成小尺寸图像再进行放大。ComfyUI 提供了多种图片放大方法，每种方法都有其独特的特点和适用场景。 本文将详细介绍 ComfyUI 中三种主要…阅读全文
【VOLCENGING ComfyUI 小课堂】Class 7 ComfyUI 扩图工作流完整指南：无限扩展你的创作视野扩图（Outpainting）是 AI 绘图中一项非常实用的技术，它能够让你在原始图片的边缘区域继续生成内容，从而扩展图片的尺寸和视野范围。无论是补充画面缺失的部分、调整图片的宽高比例，还是创造更大场景的视觉效果，扩图都能帮你实现。…阅读全文
【VOLCENGING ComfyUI 小课堂】Class 6 ComfyUI 局部重绘工作流完整指南：精准控制图像编辑的艺术局部重绘是 AI 绘图中最实用的功能之一，它让你能够精确地修改图像的特定部分，而不影响其他区域。无论是清除画面中的物体、修改人物表情、调整服饰颜色，还是替换背景元素，局部重绘都能帮你实现。 ComfyUI 作为目前最强大的 Stab…阅读全文
ShieldGemma 2 图像内容审核新利器AI 前沿观察发现 Google 推出的 ShieldGemma 2 模型为图像内容安全领域带来了一次重要升级。这款基于 Gemma 3 打造的 40 亿参数模型，专为图像安全分类设计，旨在帮助开发者和研究人员有效规避有害内容风险，…阅读全文
Llama 4 多模态大模型震撼发布Llama 4 多模态大模型震撼发布 Meta 推出 Llama 4 系列开启 AI 新纪元。 Meta 近日正式发布其新一代旗舰模型 Llama 4 系列 包含 Llama 4 Scout 和 Llama 4 Maverick 两…阅读全文
MiniCPM-o 2.6 小参数挑战巨头 多模态直播流直达手机AI 前沿动态聚焦 OpenBMB 最新力作 MiniCPM-o 2.6 模型以仅 80 亿参数的体量，在多项基准测试中展现出与 GPT-4o 202405 GPT-4V Claude 3.5 Sonnet Gemini 1.5 P…阅读全文
深度解密 Janus-Pro 多模态理解生成新框架deepseek-ai 再次展现其在 AI 前沿的探索精神，最新推出的 Janus-Pro 模型，为多模态 AI 领域带来了创新的统一框架。这款模型不仅能理解图像内容，还能生成图像，其独特之处在于视觉编码的巧妙解耦设计，打破了传统多…阅读全文
GR00T N1 开启机器人通用技能新纪元NVIDIA Isaac GR00T N1 是世界上首个面向通用类人机器人推理和技能的开放基础模型。 这款由 NVIDIA 推出的模型，不仅标志着机器人 AI 领域的一次重大飞跃，更预示着机器人将从传统的“任务专家”走向具备泛化能力…阅读全文
【VOLCENGING ComfyUI 小课堂】Class 5 ComfyUI 提示词基础语法完整指南：从入门到精通的提示词艺术提示词是 AI 绘图的核心，一个好的提示词能够让你的创意完美呈现，而糟糕的提示词则可能让你失望而归。ComfyUI 作为目前最强大的 Stable Diffusion 工作流工具，在提示词处理方面有着独特的语法规则和功能特性。 今天…阅读全文
【VOLCENGING ComfyUI 小课堂】Class 4 ComfyUI 模型安装完整指南：从新手到专家的模型管理全攻略ComfyUI 的强大之处在于它支持各种类型的模型，每种模型都有其独特的作用和应用场景。但对于新手来说，面对五花八门的模型类型和复杂的安装过程，往往感到无从下手。 今天我们就来详细讲解 ComfyUI 中各类模型的安装方法，从基础的…阅读全文