🏞️图像 Token 化：视觉数据转换的关键技术技术分享本文介绍了图像或视频数据的 token 化技术，包括 VQ-VAE、dVAE、VQGAN、TiTok 1D Tokenizer 及 OmniTokenizer 等模型，这些技术通过编码器、向量量化器和解码器将图像转换为离散的 token 序列，以便于模型处理和生成高质量的图像。2024-7-1 Multimodal Learning 多模态学习 VLP Tokenizer VAE VQVAE VQGAN TiTok MaskGIT Transformer OmniTokenizer MML
☣️别和 Scaling Laws 对抗技术分享Scaling Laws（数据和 GPU）是 AI 发展的核心驱动力！？2024-6-25 LLM Scaling-Laws AGI Stanford 大语言模型 AI_Agent GPT4 ChatGPT
Pix2Text V1.1.1 新版发布，带来更好的数学公式检测模型开源工具2024-6-19 Pix2Text P2T LaTeX-OCR Math-OCR 数学公式检测 工具 版面恢复 LaTeX 版面分析 表格识别 pdf-to-markdown pdf-to-word Math-Formula-Recognition
Pix2Text V1.1 新版发布，支持 PDF 转 Markdown开源工具Pix2Text (P2T) V1.1 发布，整合了版面分析和表格识别模型，可以把复杂排版的图片甚至 pdf 文件恢复成 Markdown 格式。2024-5-8 数学公式识别 Math-Formula-Recognition MFR Pix2Text P2T LaTeX-OCR Math-OCR 数学公式检测 工具 版面恢复 LaTeX Nougat Texify 版面分析 表格识别 pdf-to-markdown pdf-to-word
🦙LLaMA 3 掀桌子三部曲（一）：LLaMA 3 发布技术分享LLaMA 3 又来掀桌子了，发布一天后排名已经到开源模型首位了，已超过早期的 GPT4 和 Gemini Pro 🔥🔥🔥。哪些因素带来了新的精度提升？2024-4-19 LLM GPT4 Generative NLP 大语言模型 ChatGPT Meta LLaMA3
Pix2Text V1.0 新版发布，带来了最好的开源数学公式识别模型开源工具Pix2Text (P2T) V1.0 发布，其中新的公式识别模型（MFR）精度得到极大提高，是当前精度最高的开源公式识别模型。2024-2-26 数学公式识别 Math-Formula-Recognition MFR Pix2Text P2T LaTeX-OCR Math-OCR 数学公式检测 工具 版面恢复 LaTeX Nougat Texify
CnOCR V2.3 新版发布：模型更好、更多、更大开源工具CnOCR V2.3 新版发布，模型都经过了重新训练和精调，精度比旧版模型更高。同时加入了分场景、大小规模不同的各种模型，可商用。2023-12-24 模型下载 CnOCR 数字识别 OCR 文字识别 中文识别 英文识别 CnOCR V2.3
🪙更精准的硬币识别多模态模型：Coin-CLIP开源工具Coin-CLIP：硬币多模态模型，针对硬币图片具有更强的特征提取能力，可以实现更精准的以图搜图功能。2023-12-8 硬币识别 硬币检索 coin-recognition Coin-CLIP CLIP coin-retrieval usa-coins 多模态学习 Multimodal Learning 多模态模型 对比学习 模型下载 工具 coin-identification
OpenAI 如何优化 LLM 的效果技术分享本文介绍了优化 LLM 效果的三种方法：Prompt Engineering、RAG 和 Fine-tuning。详细描述了它们的使用场景、优劣势，并基于具体示例给出了它们带来的效果提升。2023-11-17 LLM GPT4 Generative NLP 大语言模型 ChatGPT Prompt 提示词 OpenAI RAG Fine-tuning 检索增强
非常有趣的一种OCR思路：EffOCR开源工具EffOCR 使用了切字+向量检索的方法来做文字识别，很不一样的思路，非常有趣。2023-11-8 模型下载 OCR EffOCR CnOCR 英文OCR 日文OCR 切字 对比学习 度量学习 文字检测 文字识别
基于大语言模型的AI Agents—Part 3技术分享介绍由 LLM 驱动的 AI Agents 的相关技术和工具。Part 3 介绍另外几个热门的 Agent 框架：agents、AutoAgents 和 ChatDev（通过agents之间的多轮交互完成任务）。2023-10-12 LLM GPT4 AI_Agent Generative NLP 大语言模型 智能体 ChatGPT Multi-Agents AutoAgents ChatDev
CnOCR 纯数字识别新模型开源工具CnOCR 中新加入了纯数字识别新模型，适合银行卡号识别、身份证号识别、硬币年份识别等应用场景。2023-10-1 星球专享 模型下载 CnOCR 数字识别 OCR Nougat 文字识别
