视觉大模型的一个应用场景：整理白板手写内容为Markdown笔记。

发布时间: 2025-08-20 15:00:35

1分

数据加载中

关注推特

收听电报

2

1

0

视觉大模型的一个应用场景：
整理白板手写内容为Markdown笔记。
IT技术
( twitter.com )

2小时前由向阳乔木提交

点击图片查看原图

Markdown支持

评论加载中...

您可能感兴趣的：更多

1

3

2

2

一个大模型应用场景：把任意书籍，变成在线AI互动课。
IT技术
( twitter.com)

1个月前 • 向阳乔木 • -- 点击 • 下载视频 0 评论

00:02:17

2

2

1

1

腾讯混元发布视频生成大模型，千题盲测第一，现已全面开源
模型特点：
（1）超写实质感：模型生成的视频内容具备高清质感、真实感，可用于工业级商业场景例如广告宣传、创意视频生成等商业应用。
IT技术
( twitter.com)

8个月前 • orange.ai • -- 点击 • 下载视频 0 评论

00:00:13

3

2

1

1

数据污染确实是一个不回避的问题，不过更高级的应用还是要靠Re/Act 和 RAG + MCP 的模式。只是用模型的推理和总结能力，限制模型幻觉。
时政
( twitter.com)

4个月前 • Jixian Wang • -- 点击 • 下载视频 0 评论

00:02:43

4

2

1

1

网友分享的在不同任务场景选择的最佳模型：
> Gemini Flash 2.0 用于 OCR
> Sonnet 3.7 用于编程
> GPT-4o 用于写作
> o3-high 用于推理
> Flux Pro Ultra 用于图像生成
> 可灵 1.6 用于视频生成
> Eleven Labs 用于音频处理
> Gemini Flash 用于图像编辑
> GPT-4o 用于语音模式
>
IT技术
( twitter.com)

5个月前 • 宝玉 • -- 点击 0 评论

5

2

1

1

看到个PDF识别大模型 olmOCR-7B-0225-preview 。我用发票试了一下，感觉效果还可以？
这个7B模型是BF16的，量化后估计能在4GB左右？普通电脑也能用。
模型地址：
在线测试地址：
#大模型竞技场
时政
( twitter.com)

5个月前 • karminski-牙医 • -- 点击 0 评论

6

2

1

1

微软最新发布 Phi 系列的两个全新小模型：Phi-4-multimodal（多模态）和 Phi-4-mini（迷你版） 1. Phi-4-multimodal（5.6B参数）
- 多模态能力：首次整合语音、视觉、文本处理，无需多个模型或复杂流程，统一处理多类型输入。
- 性能亮点： -
时政
( twitter.com)

5个月前 • meng shao • -- 点击 0 评论

7

2

1

1

DeepSeek 开始搞多模态了。
开源了一个多模态理解和生成一体的模型 Janus，既可以理解图片内容又可以生成图片。
Janus的核心创新是将视觉编码分为两个独立的部分:一个用于多模态理解,一个用于图像生成。
IT技术
( twitter.com)

10个月前 • 歸藏(guizang.ai) • -- 点击 0 评论

8

2

1

1

实际应用中，发现AI的大多数初期使用者，真的是一个模型用到地老天荒，而且是默认第一个是什么就一直是它了。
逐步掌握利用不同的模型在一个（或者多个）上下文中协同工作，是利用AI完成复杂任务的良好开始，这个往往比写出高质量的提示词更重要。
比如，初期的思路整理阶段，使用4o mini、claude
时政
( twitter.com)

4个月前 • StLi • -- 点击 0 评论

9

2

1

1

说大模型不行的话要慎重。
昨天去一个活动做分享，在我之前分享的是一位大学教授，总的基调是认为大模型能力不行，不能用于生产，要用在生产上必须针对每个场景做针对性微调。
时政
( twitter.com)

7个月前 • WY • -- 点击 0 评论

0.28313 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特