Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

有没有类似MS Copilot的国产AI

Answer

以下是一些类似 MS Copilot 的国产 AI：

  • 目前存在能联网检索的国产 AI。例如，虽然没有直接类似于 MS Copilot 的完全相同的产品，但有一些具有类似功能特点的，如通过连接互联网实时搜索、筛选并整合所需数据，以提供更精准和个性化信息的 AI 工具。
  • 不过需要注意的是，具体的产品和其功能特点可能会随着时间和技术发展而有所变化。
Content generated by AI large model, please carefully verify (powered by aily)

References

问：有没有能联网检索的AI？

是的，存在能联网检索的AI。这些AI通过连接互联网，实时搜索、筛选并整合所需数据，以提供给用户更精准和个性化的信息。例如，ChatGPT Plus用户现在可以开启web browsing功能，实现联网功能。Perplexity，它结合了ChatGPT式的问答和普通搜索引擎的功能，允许用户指定希望聊天机器人在制定响应时搜索的源类型。Bing Copilot，作为一个AI助手，旨在简化您的在线查询和浏览活动。还有如You.com和Neeva AI等搜索引擎，它们提供了基于人工智能的定制搜索体验，并保持用户数据的私密性。这些AI搜索工具的出现，标志着在信息检索领域的一个重要发展，它们通过结合AI技术和搜索引擎，大幅提升了数据集命中预期，并为实际应用带来了更多可能性。内容由AI大模型生成，请仔细甄别。

XiaoHu.AI日报

? Xiaohu.AI日报「11月22日」 ✨✨✨✨✨✨✨✨1⃣️? PhysGaussian：物理规律与3D效果的结合物理动态行为模拟：包括弹性物体、塑性金属、流体和颗粒物质。真实世界物理行为与3D视觉效果的结合。多样性展示：应用于不同材料，无需复杂的几何形状处理。? https://x.com/xiaohuggg/status/1727300596930392124?s=202⃣️? Emmett Shear：OpenAI的幽默临时CEO微软将于12月1日在中国大陆免费提供Copilot功能给企业和教育机构。Copilot AI模型支持联网获取数据，免费提供，需订阅Microsoft 365。? https://x.com/xiaohuggg/status/1727243786496229508?s=203⃣️? Sam Altman：回归OpenAI担任CEO组建新董事会，包括Bret Taylor、Larry Summers和Adam D'Angelo。? https://x.com/xiaohuggg/status/1727207285389467917?s=204⃣️? MagicDance：动作和面部表情转移的人类舞蹈视频TikTok项目，动作和面部表情转移到另一人身上。

XiaoHu.AI日报

? Xiaohu.AI日报「11月22日」 ✨✨✨✨✨✨✨✨1⃣️? PhysGaussian：物理规律与3D效果的结合物理动态行为模拟：包括弹性物体、塑性金属、流体和颗粒物质。真实世界物理行为与3D视觉效果的结合。多样性展示：应用于不同材料，无需复杂的几何形状处理。? https://x.com/xiaohuggg/status/1727300596930392124?s=202⃣️? Emmett Shear：OpenAI的幽默临时CEO微软将于12月1日在中国大陆免费提供Copilot功能给企业和教育机构。Copilot AI模型支持联网获取数据，免费提供，需订阅Microsoft 365。? https://x.com/xiaohuggg/status/1727243786496229508?s=203⃣️? Sam Altman：回归OpenAI担任CEO组建新董事会，包括Bret Taylor、Larry Summers和Adam D'Angelo。? https://x.com/xiaohuggg/status/1727207285389467917?s=204⃣️? MagicDance：动作和面部表情转移的人类舞蹈视频TikTok项目，动作和面部表情转移到另一人身上。

Others are asking
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
Ai在设备风控场景的落地
AI 在设备风控场景的落地可以从以下几个方面考虑： 法律法规方面：《促进创新的人工智能监管方法》指出，AI 的发展带来了一系列新的安全风险，如对个人、组织和关键基础设施的风险。在设备风控中，需要关注法律框架是否能充分应对 AI 带来的风险，如数据隐私、公平性等问题。 趋势研究方面：在制造业中，AI Agent 可用于生产决策、设备维护、供应链协调等。例如，在工业设备监控与预防性维护中，Agent 能通过监测传感器数据识别异常模式，提前通知检修，减少停机损失和维修成本。在生产计划、供应链管理、质量控制、协作机器人、仓储物流、产品设计、建筑工程和能源管理等方面，AI Agent 也能发挥重要作用，实现生产的无人化、决策的数据化和响应的实时化。
2025-04-20
ai视频
以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总： 4 月 11 日： Pika 上线 Pika Twists 能力，可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中，结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术，可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术，实现从单张图片快速生成超逼真的 3D 头像，在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage，通过图片生成可自由拼装 3D 场景，再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型，无缝支持各种视频生成任务（文本/图像/视频到视频）。 4 月 9 日： ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下，可生成完整的 1 分钟视频。 4 月 14 日： 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。
2025-04-20
github copilot
Copilot 一词在航空领域原本指飞行员的助手或副驾驶，在 AI 领域则被用来形象地描述 AI 的角色和功能。 在 AI 领域，Copilot 强调其辅助和协作性质，像飞行中的副驾驶一样协助用户完成各种任务，提供信息、解答问题甚至进行创新性的内容创作，使用户的工作或生活更加便捷高效。 例如，Microsoft Copilot 可以进行智能对话、提供信息、帮助用户创作内容等。而 Github Copilot 是专为编程设计的，它可以理解用户的代码，提供代码建议，甚至帮助用户写出新的代码。 在编程或辅助编程方面，有以下一些 AI 产品： 1. GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出的 AI 编程助手，支持和兼容多种语言和 IDE，可为程序员快速提供代码建议，帮助开发者更快、更少地编写代码。 2. 通义灵码：阿里巴巴团队推出的一款基于通义大模型的智能编程辅助工具，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力。 3. CodeWhisperer：亚马逊 AWS 团队推出的 AI 编程软件，由机器学习技术驱动，可为开发人员实时提供代码建议。 4. CodeGeeX：智谱 AI 推出的开源的免费 AI 编程助手，基于 130 亿参数的预训练大模型，可以快速生成代码，帮助开发者提升开发效率。 5. Cody：代码搜索平台 Sourcegraph 推出的一款 AI 代码编写助手，借助 Sourcegraph 强大的代码语义索引和分析能力，可以了解开发者的整个代码库，不止是代码片段。 6. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供智能研发服务的免费 AI 代码助手，基于蚂蚁集团自研的基础大模型进行微调的代码大模型。 7. Codeium：一个由 AI 驱动的编程助手工具，旨在通过提供代码建议、重构提示和代码解释来帮助软件开发人员，以提高编程效率和准确性。 更多辅助编程 AI 产品，还可以查看这里：https://www.waytoagi.com/category/65 。每个工具的功能和适用场景可能会有所不同，您可以根据自己的需求来选择最适合您的工具。 对于程序员来说，HuggingFace 声称其性能超过了用于训练 OpenAI 的 GitHub Copilot 的模型。StarCoder 是在一个名为 The Stack 的开放数据集上进行训练的，可与 VSCode 集成。 Hugging Face 发布了名为 HuggingChat 的开源聊天机器人，拥有 Web 界面和 API。 开源社区与科技巨头竞争激烈，RedPajama 是 Together 最新的倡议，设定了大胆的目标来推动开源模型的进步，包括制作数据集、训练基础模型、实现指令调整等。 项目链接：https://www.together.xyz/blog/redpajama 模型链接：https://www.together.xyz/blog/redpajamamodelsv1
2025-04-09
AI chatbot、agent、copilot区别
AI chatbot、agent、copilot 主要有以下区别： 1. 定义和角色： Copilot：翻译成副驾驶、助手，在帮助用户解决问题时起辅助作用。 Agent：更像主驾驶、智能体，可根据任务目标自主思考和行动，具有更强的独立性和执行复杂任务的能力。 Chatbot：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 核心功能： Copilot：更多地依赖于人类的指导和提示来完成任务，功能很大程度上局限于在给定框架内工作。 Agent：具有更高的自主性和决策能力，能够根据目标自主规划整个处理流程，并根据外部反馈进行自我迭代和调整。 3. 流程决策： Copilot：处理流程往往依赖于人类确定的静态流程，参与更多是在局部环节。 Agent：解决问题的流程由 AI 自主确定，是动态的，不仅可以自行规划任务步骤，还能根据执行过程中的反馈动态调整流程。 4. 应用范围： Copilot：主要用于处理简单、特定的任务，更多是作为工具或助手存在，需要人类引导和监督。 Agent：能够处理复杂、大型的任务，并在 LLM 薄弱的阶段使用工具或 API 等进行增强。 5. 开发重点： Copilot：主要依赖于 LLM 的性能，开发重点在于 Prompt Engineering。 Agent：同样依赖于 LLM 的性能，但开发重点在于 Flow Engineering，即在假定 LLM 足够强大的基础上，把外围的流程和框架系统化。 以下是一些 Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具。 2. Mircosoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及部署 Copilot 到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者根据需求打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，在处理高频工作场景方面表现出色。 以上信息由 AI 大模型生成，请仔细甄别。
2025-04-07
和ima.copilot功能差不多的产品
以下是一些和 ima.copilot 功能差不多的产品： 飞桨 PaddlePaddle：代码助手，网址为 paddlepaddle.org.cn。 百度橙篇：写作软件，网址为 cp.baidu.com。 BigModel：开发工具，网址为 open.bigmodel.cn。 万兴 PDF：研究工具，网址为 pdf.wondershare.cn。 百川智能：聊天机器人，网址为 baichuanai.com。 360 智脑：聊天机器人，网址为 ai.360.com。 GitMind 思乎：思维导图，网址为 gitmind.cn。 阿里通义听悟：效率工具，网址为 tingwu.aliyun.com。
2025-03-06
ima.copilot怎么高效利用
ima.copilot 高效利用的方法如下： 文档解读：在首页点击文档解读，可从知识库添加文档或上传本地文档，输入问题后 ima 作答，并会引用公众号资料作为参考。但需注意其回答与上传文档的关联度较弱，回答底部可点击“记笔记”在应用内新建笔记文档。 阅读公众号文章：复制公众号链接即可开始阅读，右侧聊天窗口可通过系统默认提示词快速总结文章要点，左侧正文窗口选中部分内容后，可点击 AI 解读和翻译按钮，AI 回答和正文选中内容都可点击“记笔记”。 搜索查看各种政策类文章：一是因为公众号内容更新快，二是有官方公众号发布的权威内容。 ima.copilot 最大的优势是拥有公众号这座内容金山，但知识库内搜索和笔记内搜索目前做得一般。 相关资料链接：腾讯 ima.copilot→https://ima.qq.com 。 此外，在“AI 智库｜月度榜单? （11 月）”中，ima.copilot 在国内个人助理分类中排名 A4+1，网址为 ima.qq.com，活跃用户为 24 万人，环比变化为 2.5462 。
2025-03-06
agent和copilot的区别
Copilot 和 Agent 主要有以下区别： 1. 核心功能： Copilot 更像是辅助驾驶员，依赖人类指导和提示完成任务，功能局限于给定框架内。 Agent 像初级主驾驶，具有更高自主性和决策能力，能根据目标自主规划处理流程并自我迭代调整。 2. 流程决策： Copilot 处理流程依赖人类确定，是静态的，参与更多在局部环节。 Agent 解决问题流程由 AI 自主确定，是动态的，能自行规划任务步骤并根据反馈调整流程。 3. 应用范围： Copilot 主要用于处理简单、特定任务，作为工具或助手存在，需要人类引导监督。 Agent 能够处理复杂、大型任务，并在 LLM 薄弱阶段使用工具或 API 增强。 4. 开发重点： Copilot 主要依赖 LLM 性能，开发重点在于 Prompt Engineering。 Agent 同样依赖 LLM 性能，开发重点在于 Flow Engineering，把外围流程和框架系统化。 此外，Agent 具备“决策权”，可自主处理问题，无需确认；Copilot 需要人类确认才能执行任务。业界普遍认为，Copilot 更适合各行业现有软件大厂，而 AI Agent 为创业公司提供了探索空间。
2025-02-18
有哪些优秀的AI copilot？
以下是一些优秀的 AI copilot： 1. 对于编程辅助方面： GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能为程序员快速提供代码建议。 通义灵码：阿里巴巴团队推出，提供多种编程相关能力。 CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，实时提供代码建议。 CodeGeeX：智谱 AI 推出的开源免费编程助手，基于 130 亿参数的预训练大模型。 Cody：Sourcegraph 推出的代码编写助手，借助强大的代码语义索引和分析能力了解开发者的整个代码库。 CodeFuse：蚂蚁集团支付宝团队为国内开发者提供的免费 AI 代码助手。 Codeium：由 AI 驱动的编程助手工具，提高编程效率和准确性。 更多辅助编程 AI 产品，还可以查看：https://www.waytoagi.com/category/65 。每个工具功能和适用场景不同，可根据需求选择。 2. 在 Agent 构建平台方面： Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具。 Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作等，并能部署到各种渠道。 文心智能体：百度推出的基于文心大模型的智能体平台。 MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识等，并能访问第三方数据和服务或执行工作流。 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景。 钉钉 AI 超级助理：依托钉钉优势，在处理高频工作场景表现出色。 3. 此外，还有一些新的 AI 产品和网站，如： SciSpace Copilot：由印度论文服务平台 SciSpace 开发，用于解释科学文献中的文本、数字和表格，输出内容更精确。链接：https://typeset.io/ AIPRM for ChatGPT：SEO Prompt 模板插件，支持 ChatGPT 和 Midjourney 等。链接：https://www.aiprm.com/ Teamsmart：有趣的文档助手，根据不同职业/技能提供不同能力点的机器人。链接：https://www.teamsmart.ai/ Boring Report：应对标题党的神器，去除文章夸张表述，保留客观事实。
2025-01-18
lmstudio可以支持联网搜索和本地知识库rag吗？如何实现？
LMStudio 能否支持联网搜索和本地知识库 RAG 以及如何实现的问题如下： 实现本地知识库 RAG 需加载所需的库和模块，如用于解析 RSS 订阅源的 feedparse，用于在 Python 程序中跑大模型的 ollama（使用前需确保 ollama 服务已开启并下载好模型）。 从订阅源获取内容，通过特定函数从指定的 RSS 订阅 URL 提取内容，若需接收多个 URL 稍作改动即可。然后用专门的文本拆分器将长文本拆分成较小的块，并附带相关元数据，最终合并成列表返回用于后续处理或提取。 为文档内容生成向量，可使用文本向量模型 bgem3（从 hf 下载好模型假设放置在某个路径，通过函数利用 FAISS 创建高效的向量存储）。 实现 RAG 包括文档加载（从多种来源加载文档，LangChain 提供 100 多种文档加载器）、文本分割（把 Documents 切分为指定大小的块）、存储（将切分好的文档块嵌入转换成向量形式并存储到向量数据库）、检索（通过检索算法找到与输入问题相似的嵌入片）、Output（把问题及检索出的嵌入片提交给 LLM 生成答案）。 基于用户问题从向量数据库中检索相关段落，根据设定阈值过滤，让模型参考上下文信息回答，从而实现 RAG。 还可创建网页 UI 并进行评测，对于同样的问题和上下文，基于不同模型进行多次测试，其中 GPT4 表现最好，Mixtral 次之，Qwen7b 第三，Gemma 和 Mistral 表现一般。总结来说，本文展示了如何使用 Langchain 和 Ollama 技术栈在本地部署资讯问答机器人，结合 RSSHub 处理和提供资讯，上下文数据质量和大模型性能决定 RAG 系统性能上限，RAG 能提升答案质量和相关性，但不能完全消除大模型幻觉和信息滞后问题。
2025-02-04
Attention Mechanisms
注意力机制是 Transformer 模型的关键创新，允许模型捕获长距离依赖关系。多头注意力可并行计算，高效实用。残差连接和层归一化有助于优化网络，使得 Transformer 无递归和卷积结构，计算并行化程度高，更适合并行加速。 在各种机器学习任务中，如机器翻译、文本摘要和问答，注意力机制都能用于提高性能。例如在翻译句子时，为改进传统基于 RNN 的编码器解码器模型，可添加注意力机制。它是一种允许神经网络关注输入序列特定部分的技术，通过为输入序列的不同部分分配权重，让最重要的部分获得最高权重。 在 ComfyUI SD3 中，也涉及到注意力机制，如在一个 MMDiT 模块的详细结构中，就包含查询、键和值等注意力机制的相关元素。
2025-01-01
关于LLMs文本与图像混合模态训练
以下是关于 LLMs 文本与图像混合模态训练的相关内容： 多模态大模型总结： 1. InstructBLIP 基于预训练的 BLIP2 模型进行训练，在 MM IT 期间仅更新 QFormer。通过引入指令感知的视觉特征提取和相应的指令，能够提取灵活多样的特征。 2. PandaGPT 是一种开创性的通用模型，能够理解 6 种不同模式的指令并根据指令采取行动，包括文本、图像/视频、音频、热、深度和惯性测量单位。 3. PaLIX 使用混合 VL 目标和单峰目标进行训练，包括前缀完成和屏蔽令牌完成。这种方法对于下游任务结果和在微调设置中实现帕累托前沿都是有效的。 4. VideoLLaMA 引入了多分支跨模式 PT 框架，使 LLMs 能够在与人类对话的同时处理给定视频的视觉和音频内容，使视觉与语言以及音频与语言保持一致。 5. 视频聊天 GPT 是专门为视频对话设计的模型，能够通过集成时空视觉表示来生成有关视频的讨论。 6. Shikra Chen 等人介绍了一种简单且统一的预训练 MMLLM，专为参考对话（涉及图像中区域和对象的讨论的任务）而定制，展示了值得称赞的泛化能力，可以有效处理看不见的设置。 7. DLP 提出 PFormer 来预测理想提示，并在单模态句子数据集上进行训练，展示了单模态训练增强 MM 学习的可行性。 未来发展方向： 最初，多模态融合方法常采用预训练的目标检测器，如 ViLBERT、VisualBERT 和 UnicoderVL，通过提取图像特征和执行交叉模态预训练任务，为后续的图像文本任务奠定基础。随着 ViT 的出现和普及，更多方法开始利用 ViT 作为图像编码器，强调大规模预训练，以提高模型的性能和泛化能力，例如 Flamingo。近期，向多模态 LLMs 的发展趋势是从进行预训练到向指令调整（instruction tuning）转变，例如 LLaVA 和 MiniGPT4，它们通过融合视觉和语言信息，能够更有效地完成视觉理解相关的任务，进一步提升模型对于指令的理解能力，提升零样本性能，使模型能够更好地泛化到未见过的任务和领域。 训练过程： 1. 预训练阶段：通常利用 XText 的数据集来训练输入、输出的 Projector，通过优化损失函数来实现不同模态的对齐，PEFT 有时候用于 LLM Backbone。XText 数据集包含图像文本、视频文本和音频文本，其中图像文本有两种类型：图像文本对和交错图像文本语料库。 2. 多模态微调：是对满足指令微调格式的一系列数据集对预训练好的多模态大模型进行微调。通过这种微调，MMLLM 可以遵循新的指令泛化到没有见过的任务，增强 zeroshot 的能力。MM IT 包括监督微调（SFT）和 RLHF 两部分，目的是为了使得模型符合人类的意图或者偏好，并且增强 MMLLMs 的交互能力。SFT 将 PT 阶段的数据转换为指令aware 的格式，使用 QA 任务作为例子，可采用各种模板。优化目标和预训练相同，SFT 数据可以构造为单轮的 QA 或者多轮的 QA。常用的 SFT 和 RLHF 的数据集见表 4。
2025-01-01
msql怎么实现复杂json某个key值替换
在MySQL中处理JSON数据时，可以使用`JSON_REPLACE`函数来替换JSON对象中的某个键（key）的值。这个函数允许你指定JSON列、要替换的键以及新的值。 以下是`JSON_REPLACE`函数的基本语法： ```sql JSON_REPLACE ``` `json_column`：包含JSON数据的列。 `path`：指定要替换的键的路径，格式为`$.key`或`$.index`，其中`key`是键的名称，`index`是数组中的索引。 `replace_value`：用于替换的新值。 如果JSON数据结构比较复杂，例如嵌套的JSON对象，你需要提供正确的路径来定位到需要替换的键。 示例： 假设你有一个名为`users`的表，其中包含一个名为`user_info`的JSON类型的列，结构如下： ```json { "name": "John", "details": { "age": 30, "address": { "street": "123 Main St", "city": "Anytown" } } } ``` 如果你想替换`address`对象中的`city`键的值，你可以使用以下SQL语句： ```sql UPDATE users SET user_info = JSON_REPLACE WHERE id = 1; 假设你要更新ID为1的记录 ``` 这条语句会将`user_info`中`details`对象下的`address`对象的`city`键的值替换为`'New City'`。 如果你要替换的键不存在，`JSON_REPLACE`函数会添加这个键，并赋予指定的新值。 请注意，使用`JSON_REPLACE`函数时，确保你的MySQL版本支持JSON函数（MySQL 5.7.8及以上版本）。此外，正确地指定路径非常重要，以避免错误地修改JSON结构中的其他部分。
2024-05-21
怎么在excle中计算rms
在Excel中计算均方根（Root Mean Square, RMS）通常涉及到两步：首先计算数据的平方，然后求平均，最后取平均值的平方根。Excel没有直接计算RMS的函数，但可以通过组合使用其他函数来实现。以下是计算RMS的步骤： 1. 选择数据范围： 选择你想要计算RMS的数据范围。 2. 计算平方： 在数据范围旁边的一个空白单元格中输入公式 `=B2^2`（假设数据在B2单元格），然后将该单元格的公式向下拖动或复制粘贴，以覆盖所有相应数据的单元格。 3. 计算平均值： 在另一个空白单元格中，使用 `AVERAGE` 函数来计算上一步中所有平方值的平均值。例如，如果平方数据在C2:C10，那么公式将是 `=AVERAGE`。 4. 计算平方根： 最后，使用 `SQRT` 函数来计算上一步中得到的平均值的平方根。公式将是 `=SQRT`，其中 `average_cell` 是包含平均值的单元格。 5. 简化公式： 你也可以将上述步骤合并为一个更简洁的公式。在一个空白单元格中，输入如下公式：`=SQRT`，这里 `B2:B10` 是原始数据的范围。 6. 拖动填充柄： 如果你有多个数据集需要计算RMS，可以将这个公式向下拖动或复制到其他单元格，Excel会自动调整公式中的单元格引用。 请根据你的实际数据范围调整上述公式中的单元格引用。这样，你就可以在Excel中计算出RMS值了。
2024-05-13
国产ai中，哪个可以把平面产品图处理成3d产品视频
以下是一些国产 AI 可以将平面产品图处理成 3D 产品视频的相关信息： 即梦：在平面设计稿转 3D 这一环节，可以在即梦图片生成界面中导入参考图，参考选项为参考轮廓边缘，生图模型选择图片 2.0，输入包含角色、细节描述、场景、风格材质等的提示词，生成图片，经过多次生成并选择高清放大。 但需要注意的是，不同的 AI 在处理效果和适用场景上可能会有所差异，您可以根据具体需求进行选择和尝试。
2025-03-25
国产的ai工具有哪些
以下是一些国产的 AI 工具： 图像类： 可灵：由快手团队开发，可生成高质量的图像和视频，但价格相对较高，重度用户年费可达几千元，轻度用户有每日免费点数和较便宜的包月选项。 通义万相：在中文理解和处理方面表现出色，可选择多种艺术和图像风格，操作界面简洁，用户友好度高，目前免费，每天签到获取灵感值即可，但在某些方面存在局限性。 思维导图类： GitMind：免费跨平台，支持多种模式，可通过 AI 自动生成思维导图。 ProcessOn：国内的思维导图+AIGC 工具，能利用 AI 生成思维导图。 AmyMind：轻量级在线工具，无需注册登录，支持自动生成节点。 Xmind Copilot：Xmind 推出的基于 GPT 的助手，可一键拓展思路，生成文章大纲。 TreeMind：输入需求即可由 AI 自动完成思维导图生成。 EdrawMind：提供一系列 AI 工具，包括头脑风暴功能。 其他类： 传音智库：公司内部的 AI 平台，功能类似于 Poe，仅内网可访问，可用 kimi 替代。 Kimichat：https://kimi.moonshot.cn/ 秘塔 AI：https://metaso.cn/
2025-03-18
国产编码类AI
以下是一些国产的编码类 AI 产品： 1. GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能为程序员快速提供代码建议，提高编程效率。 2. 通义灵码：阿里巴巴团队推出，基于通义大模型，具备行级/函数级实时续写、自然语言生成代码等多种能力。 3. CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，为开发人员实时提供代码建议。 4. CodeGeeX：智谱 AI 推出的开源免费编程助手，基于 130 亿参数的预训练大模型，可提升开发效率。 5. Cody：代码搜索平台 Sourcegraph 推出，借助强大的代码语义索引和分析能力，了解开发者的整个代码库。 6. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供的免费 AI 代码助手，基于自研基础大模型微调。 7. Codeium：由 AI 驱动的编程助手工具，通过提供代码建议等帮助软件开发人员提高效率和准确性。 此外，字节最新发布的 AI 编程工具 Trae 的 Windows 版也已发布，具有以下特点： 1. 全中文界面，跨平台支持，包括 Windows 和 MacOS 系统，操作界面简洁直观，易于上手。 2. 内置 Claude3.5 和 GPT4o 两大顶尖 AI 模型，完全免费且不限使用次数。 3. 零门槛智能开发，不懂编程也能通过中文对话让 AI 生成所需代码，并自动识别和解决代码错误。 字节的 Trae 目前处于公测阶段，完全免费。它同时支持豆包 1.5 Pro 和 Deepseek R1、V3 等模型。虽然在处理复杂业务时可能不如 Cursor，但为不懂技术的人提供了新选择，有望实现一人搞定业务、产品、设计、开发、运维等全流程。 更多辅助编程 AI 产品，还可以查看这里：https://www.waytoagi.com/category/65 。每个工具的功能和适用场景可能不同，您可以根据自身需求选择最适合的工具。
2025-03-16
有关国产大模型介绍及对比
以下是关于国产大模型的介绍及对比： 过去一年，国内大模型取得了显著进步。综合能力超过 GPT 3.5 和 GeminiPro 的国产模型有 11 个，如百度的文心一言 4.0、阿里云的通义千问 2.0 和 Qwen 72BChat、OPPO 的 AndesGPT、清华&智谱 AI 的智谱清言、字节跳动的云雀大模型等。在 SuperCLUE 测评中，国外模型平均成绩为 69.42 分，国内模型平均成绩为 65.95 分，差距约 4 分，且国内外平均水平差距在缩小。 国内开源模型在中文上表现优于国外开源模型，如百川智能的 Baichuan213BChat、阿里云的 Qwen72B、Yi34BChat 均优于 Llama213BChat。国内大模型竞争格局方面，从国内 TOP19 大模型的数量来看，创业公司和大厂的占比几乎持平。 此外，还有针对国产大模型的测评机制，包括以同组提示词下 ChatGPT 4.0 生成的内容做对标参照，对复杂提示词理解和执行、推理能力、文本生成能力、提示词设计能力、长文本归纳总结能力等方面进行多轮测评。 国外的代表性大模型如 GPT4 的不同版本、Claude2、Llama2 有较好的稳定性表现。国内开源模型总体表现较好，成绩最好的开源模型在中文某些场景或任务上接近 GPT 4，大版本的模型通常优于中小版本，众多创业公司是开源模型的主力。
2025-03-10
能够生成AI视频的免费国产软件有哪些？
以下是一些能够生成 AI 视频的免费国产软件： 1. Hidreamai：有免费额度，网址为 https://hidreamai.com//AiVideo 。支持文生视频、图生视频，提示词使用中文、英文都可以，文生视频支持正向提示词、反向提示词、运镜控制、运动强度控制，支持多尺寸，可以生成 5s 和 15s 的视频。 2. ETNA：网址为 https://etna.7volcanoes.com/ 。这是一款由七火山科技开发的文生视频 AI 模型，能根据用户简短的文本描述生成相应的视频内容。生成的视频长度在 8 15 秒，画质可达 4K，最高 38402160，画面细腻逼真，帧率 60fps，支持中文和时空理解。 3. 可灵：网址为 https://klingai.kuaishou.com/ 。在 AI 视频生成领域表现出色，生成的视频质量高，生成速度快，对国内用户的可访问性强。支持文生视频、图生视频，提示词可使用中文，文生视频支持正向提示词、反向提示词、运镜控制、时长选择（5s、10s），支持多种尺寸。 4. Dreamina：处于国内内测阶段，有免费额度，网址为 https://jimeng.jianying.com/aitool/video/generate 。支持文生视频、图生视频、视频生视频，支持图生视频首尾帧功能，提示词使用中文、英文都可以，文生视频支持多种控制和尺寸选择，默认生成 3s 的视频。
2025-03-08
国产AGI进程到哪了
2023 年之前，国内 AI 行业自认为和美国差距不大，但 ChatGPT 和 GPT4 的出现打破了这种认知，OpenAI 直接拉开了 2 年的技术差距。上半年国内坚信靠资金和卡能实现“大炼钢铁”，许多大厂和创业公司都想创造国产 AGI，但下半年发现不容易后纷纷转向“垂直应用”“商业化”，不再提 AGI。目前国内最领先的模型水平大概在准 ChatGPT3.5 的水平，和 GPT4 还有不小差距。百度的“文心 4.0”和即将发布的阿里的“通义千问”是国内较好的模型。 2024 年，国内多家厂商竞相推出新型推理模型，AI 与数学结合被视为实现 AGI 的关键。在这一年，AI 音频能力有长足进展，“全真 AI 颜值网红”出现，游戏 AI NPC 有里程碑式进展，AI 男/女朋友聊天基本成熟，实时生成的内容开始在社交媒体和广告中出现，AI Agent 有明确进展，可穿戴全天候 AI 硬件层出不穷，华为昇腾生态开始形成，国内推理芯片开始国产替代。但同时，AI 造成的一些问题也开始进入公众视野，AI 立法、伦理讨论仍大规模落后于技术进展。预计到 2025 2027 年，AI 相关技术还会有更多突破和发展，同时也会带来更多社会问题。
2025-03-06