APPLICATION
AI驱动的Discord聊天机器人
我决定用Amazon Bedrock创建一个由人工智能驱动的 Discord 机器人，它可以实时回答小组成员的问题。
LLAMA
MODEL-ZOO
视觉语言模型LoRA微调指南
在本文中，我们将探讨如何使用Unsloth、WandB等强大的工具组合来微调 Meta AI 的 Llama-3.2–11B-Vision 模型，并使用vLLM进行模型服务和推理。
LIBRARY
Ollama-OCR 简明教程
Llama 3.2-Vision 是一个多模态大型语言模型，有 11B 和 90B 两种大小，能够处理文本和图像输入以生成文本输出。该模型在视觉识别、图像推理、图像描述和回答与图像相关的问题方面表现出色，在多个行业基准测试中优于现有的开源和闭源多模态模型。 在本文中，我将介绍如何调用由 Ollama 运行的 Llama 3.2-Vision 11B 建模服务并使用 Ollama-OCR 实现图像文本识别 (OCR) 功能。 Ollama-OCR 的功能： * 使用 Llama 3.2-Vision 模型进行高精度文本识别 * 保留原始文本格式和结构 * 支持多种图像格式：JPG、JPEG、PNG * 可自定义的识别提示和模型 * Markdown 输出格式选项 * 强大的错误处理 1、环境安装
MODEL-ZOO
Llama 3.2 Vision医学图像微调
今天，我将带你了解一个令人兴奋的项目：微调 Meta 的 Llama 3.2 Vision 模型来分析放射图像。
MODEL-ZOO
LLaMa-Mesh：文本生成3D网格
NVIDIA 发表了一篇引人入胜的论文 LLaMA-Mesh：使用语言模型统一 3D 网格生成 ，该论文允许使用自然语言生成 3D 网格对象。
APPLICATION
用需求文本生成线框图
我们没有找到任何使用 LLM 将 UX 需求列表直接转换为线框的探索。这篇文章介绍了我们的一些实验和结果，希望这能激励其他人也分享他们的工作。
APPLICATION
Llama3.2-Vision本地OCR应用
在本文中，我们将指导你使用 Ollama 的 Llama 3.2-Vision 模型构建自己的 OCR 应用程序，并使用 Python 作为我们的编程语言。
MODEL-ZOO
Neo4j Text2Cypher 模型
Neo4j Text2Cypher模型演示了如何使用 Neo4j Text2Cypher(2024) 数据集微调基础模型来提高 Text2Cypher 任务的性能。
APPLICATION
医学文本处理多智能体系统
本文探讨了用于处理医学文本的多智能体人工智能应用程序的架构、工作流程、代码实现和未来范围。
MODEL-ZOO
Ultravox实时语音多模态大模型
Ultravox 是一种新型多模态 LLM，可以理解文本和人类语音，而无需单独的音频语音识别 (ASR) 阶段。
APPLICATION
用语音命令管理数据库
该项目使用 Whisper 进行语音转文本，并使用 Llama 3 将转录转换为 SQL 查询，从而实现通过语音命令自动更新数据库。
TOOL
OpenVINO本地运行Llama 3.2
本文介绍如何使用OpenVINO在本地的Intel GPU上运行Lllama 3.2大模型。