Meta Chameleon – 多模態開源模型

(英)Meta 的 FAIR 團隊公開 Chameleon 模型於研究用

Chameleon 的成功在於其完全基於 Token 的架構。模型將會同時學習圖像和文字，進行聯合推理，這對於分開編碼器的模型來說，令推理更接近 Reasoning 的要求，儘管存在一些限制。

---

Florence-2 (Microsoft)開源模型 – 影像識別

(英)輕量級視覺語言模型

模型在字幕、物件偵測、接地和分割等任務中展示了強大的零樣本和微調功能。

繼 Meta 推出多模態 open source 模型，Microsoft 也不甘後人，推出影像識別 Open source Florence-2 模型

儘管尺寸很小，但它所取得的結果與大許多倍的模型（如 Kosmos-2）相當。該模型的優勢不在於複雜的架構，而在於大規模的 FLD-5B 資料集，其中包含 1.26 億張影像和 54 億個綜合視覺註釋。

---

KDNuggets – Python NLP 庫之旅

適用於資料工作流程的文字 Python 套件。

---

語音即時對話教學 Voice Assistant

How to build a real-time AI assistant (with voice and vision)

---

MoA : 合拼多模型

(英)MoA 允許您將多個小型模型（稱為「代理人」）组合成一個更強大的模型。

透過採用每層包含多個 LLM 代理程式的分層架構，MoA 僅使用開源模型，在 AlpacaEval 2.0 上的得分為 65.1%，顯著優於 GPT-4 Omni 的 57.5%！

---

10 行代碼實現 RAG

RAG from Scratch without any Frameworks

---

Vercel AI SDFK 人工智慧模型遊樂場

並排比較頂級人工智慧模型

直接比較 GPT-4o, Llama3, Gemini…..

---

用 ORPO 微調 Llama3

(英)使用 ORPO 和 TRL 函式庫對新的 Llama 3 8B 模型進行微調。

程式碼已放在 Google Colab 和 GitHub 上。

---

AI Won’t Be AGI, Until It Can At Least Do This

AI Won't Be AGI, Until It Can At Least Do This (plus 6 key ways LLMs are being upgraded)

---

StableSwarmUI 支援 Stable Diffusion 3

(英)StableSwarmUI，模組化 Web 介面, 重點在於易於存取、高效能和可擴展性

您可以在 Google Colab 或 Runpod 上運行 StableSwarmUI。或者，您可以按照文中说明在 Windows、Linux 或 Mac 上安裝它。

Install Stable Diffusion 3 Locally: Step-by-Step with StableSwarmUI & ComfyUI

---