正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

游戏代打行业要消失了？NVIDIA 发布新模型 NitroGen！ NVIDIA 最新开源模型 NitroGen，直接从游戏视频帧输入，输出手柄操作，能流畅玩上千款动作类游戏（如《赛博朋克2077》、《巫师3》）。核心创新：以往游戏视频多但无操作标签，NitroGen 用逆动力学模型从 4 万小时互联网公开视频中“反推”玩家按键，合成海量训练数据，实现纯模仿学习，突破数据瓶颈。最大亮点：支持快速适配！面对全新未见游戏，只需少量微调就能上手，不用从零训练。这不只颠覆游戏代打，还可延伸到机器人控制等领域。现已开源了模型、数据集和代码！

KK.aWSB

86,662 subscribers

49,552 次观看 • 6 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

挺吓人的，英伟达新发布的模型NitroGen混成了游戏界的“六边形战士”，几乎啥都能玩，水平还不低。在收集筛选了40000小时、涵盖1000余款不同种类的游戏视频后训练出来的NitroGen能在多种不同类型的游戏场景中均表现出较强能力，包括：3D 动作游戏中的战斗对抗，2D 平台跳跃游戏中的高精度操作，以及程序生成世界中的探索任务。更重要的是，NitroGen 能够有效迁移到从未见过的新游戏。在相同任务设定下，其任务成功率相比从零开始训练的模型，最高可实现 52% 的相对提升。这里面很多游戏我还真认识，不是特别要操作的，就是玩着玩着会迷路的，我是甘拜下风了，大家觉得呢？

挺吓人的，英伟达新发布的模型NitroGen混成了游戏界的“六边形战士”，几乎啥都能玩，水平还不低。在收集筛选了40000小时、涵盖1000余款不同种类的游戏视频后训练出来的NitroGen能在多种不同类型的游戏场景中均表现出较强能力，包括：3D 动作游戏中的战斗对抗，2D 平台跳跃游戏中的高精度操作，以及程序生成世界中的探索任务。更重要的是，NitroGen 能够有效迁移到从未见过的新游戏。在相同任务设定下，其任务成功率相比从零开始训练的模型，最高可实现 52% 的相对提升。这里面很多游戏我还真认识，不是特别要操作的，就是玩着玩着会迷路的，我是甘拜下风了，大家觉得呢？

傅盛

195,840 次观看 • 6 个月前

可交互游戏生成模型 GameGen-X 发布！！能够生成非常高质量的可以操作的游戏画面。 DiT 视频模型就是新的游戏引擎！模型创建角色、提供动态环境、复杂动作和多样化事件。 Epic CEO 看到 Oasis 实时生成游戏的时候就急了，直接开骂。红杉合伙人说再过五年看看，现在来看可能不需要 5 年。

可交互游戏生成模型 GameGen-X 发布！！能够生成非常高质量的可以操作的游戏画面。 DiT 视频模型就是新的游戏引擎！模型创建角色、提供动态环境、复杂动作和多样化事件。 Epic CEO 看到 Oasis 实时生成游戏的时候就急了，直接开骂。红杉合伙人说再过五年看看，现在来看可能不需要 5 年。

歸藏(guizang.ai)

13,421 次观看 • 1 年前

🔥马斯克表示xAI将大规模投入电子游戏开发，生成照片级逼真游戏！ FT报道，马斯克的XAI正在开发一种叫世界模型的AI技术，自动生成交互式的3D环境。 🚨用户可以像玩电子游戏一样，直接操控AI生成的视频内容。模型能根据玩家的操作实时生成场景。每个玩家的选择可能导致不同的故事发展或环境变化！

🔥马斯克表示xAI将大规模投入电子游戏开发，生成照片级逼真游戏！ FT报道，马斯克的XAI正在开发一种叫世界模型的AI技术，自动生成交互式的3D环境。 🚨用户可以像玩电子游戏一样，直接操控AI生成的视频内容。模型能根据玩家的操作实时生成场景。每个玩家的选择可能导致不同的故事发展或环境变化！

谢嘉琪

93,362 次观看 • 9 个月前

兄弟们这个模式可能是一个AI 游戏新物种 Yoroll：世界模型+AI视频模型打造了一种全新的游戏体验他们把视频生成模型从“内容工具”变成“游戏运行层” 也就是通过AI视频模型来为游戏生成剧情和情节走向他们设计了一个三层分离的结构：表现层：由AI视频生成模型驱动，相当于一个"AI 导演"，根据游戏状态实时"拍摄"每个场景交互层：翻译玩家行为，支持选项、点击、滑动、长按、连点、对抗点击等多种 QTE 玩法系统层：是确定性的游戏逻辑引擎，负责状态管理、分支系统和世界模型官方案例：一个没写过剧本、没碰过游戏引擎的《甄嬛传》粉丝，花了不到一周，做出了一款性转版的《甄嬛传》 AI 互动游戏 Demo。抖音单条视频数万赞，播放量过百万。这个项目叫"华君传"，女尊世界观，男性入宫，宫廷权谋加情感博弈，玩家的每一个选择都会把剧情推向不同方向... 这套设计最聪明的地方在于：视频模型和游戏逻辑被彻底解耦了。就像 Netflix 把同一部电影从 1080p 升级到 4K，剧情剪辑一字不改。 AI 只管画面，你看到的场景、镜头、画面表现，这些交给 AI 视频模型去生成。逻辑由系统管，你选了什么、血量多少、剧情该往哪走、谁是敌人谁是盟友，这些全部由一套固定的逻辑引擎来记录和控制，不靠 AI 猜。 AI 负责好看和剧情，系统负责靠谱，两边各干各的，互不干扰。这样一来，以后 AI 视频模型升级了，画面直接变好，但游戏逻辑、你的存档、剧情分支全都不用动。游戏质量只会提高，而且可玩性也会有很大变化...

兄弟们这个模式可能是一个AI 游戏新物种 Yoroll：世界模型+AI视频模型打造了一种全新的游戏体验他们把视频生成模型从“内容工具”变成“游戏运行层” 也就是通过AI视频模型来为游戏生成剧情和情节走向他们设计了一个三层分离的结构：表现层：由AI视频生成模型驱动，相当于一个"AI 导演"，根据游戏状态实时"拍摄"每个场景交互层：翻译玩家行为，支持选项、点击、滑动、长按、连点、对抗点击等多种 QTE 玩法系统层：是确定性的游戏逻辑引擎，负责状态管理、分支系统和世界模型官方案例：一个没写过剧本、没碰过游戏引擎的《甄嬛传》粉丝，花了不到一周，做出了一款性转版的《甄嬛传》 AI 互动游戏 Demo。抖音单条视频数万赞，播放量过百万。这个项目叫"华君传"，女尊世界观，男性入宫，宫廷权谋加情感博弈，玩家的每一个选择都会把剧情推向不同方向... 这套设计最聪明的地方在于：视频模型和游戏逻辑被彻底解耦了。就像 Netflix 把同一部电影从 1080p 升级到 4K，剧情剪辑一字不改。 AI 只管画面，你看到的场景、镜头、画面表现，这些交给 AI 视频模型去生成。逻辑由系统管，你选了什么、血量多少、剧情该往哪走、谁是敌人谁是盟友，这些全部由一套固定的逻辑引擎来记录和控制，不靠 AI 猜。 AI 负责好看和剧情，系统负责靠谱，两边各干各的，互不干扰。这样一来，以后 AI 视频模型升级了，画面直接变好，但游戏逻辑、你的存档、剧情分支全都不用动。游戏质量只会提高，而且可玩性也会有很大变化...

小互

26,216 次观看 • 3 个月前

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。这里 o1 一次生成可以执行的结果，确实是不错的。生成游戏时的提示词：使用 pygame 制作一个名为“找松鼠”的游戏：每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。如果草莓碰到你，你会死亡。三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。这里 o1 一次生成可以执行的结果，确实是不错的。生成游戏时的提示词：使用 pygame 制作一个名为“找松鼠”的游戏：每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。如果草莓碰到你，你会死亡。三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

宝玉

18,120 次观看 • 1 年前

最近在做我的游戏的时候很多小伙伴私信、留言问我怎么做的。抽空跟大家录了一个视频，分享下我的工作流。全部是免费的，不需要买几万块的mocap动作捕捉服，我是在家用iPhone拍了几个视频实现的： 1.在Viggle的PINOC视频转动作捕捉fbx数据，然后下载到blender里面 2.通过rokoko的blender免费plugin做动作捕捉数据到自定义模型的retarget 3.导入Godot或者Unity、Unreal这类游戏引擎继续开发游戏。

最近在做我的游戏的时候很多小伙伴私信、留言问我怎么做的。抽空跟大家录了一个视频，分享下我的工作流。全部是免费的，不需要买几万块的mocap动作捕捉服，我是在家用iPhone拍了几个视频实现的： 1.在Viggle的PINOC视频转动作捕捉fbx数据，然后下载到blender里面 2.通过rokoko的blender免费plugin做动作捕捉数据到自定义模型的retarget 3.导入Godot或者Unity、Unreal这类游戏引擎继续开发游戏。

独立开发者William

27,614 次观看 • 1 个月前

腾讯发布混元3D 2.1 模型支持真实材质渲染这是首个完全开源的AI 3D建模工具提供了模型权重、训练代码和数据处理流程以及核心架构等全部数据👍🏻 混元3D 2.1 通过引入PBR（基于物理的渲染）技术，显著提升了材质细节的真实性，模型在不同光照下更自然、更一致。可在个人电脑上运行！可直接用于生产：腾讯自研游戏编辑器「轻游梦工坊」使用混元3D后，道具制作时间从 2天/个压缩到0.2天/个，提效显著。

腾讯发布混元3D 2.1 模型支持真实材质渲染这是首个完全开源的AI 3D建模工具提供了模型权重、训练代码和数据处理流程以及核心架构等全部数据👍🏻 混元3D 2.1 通过引入PBR（基于物理的渲染）技术，显著提升了材质细节的真实性，模型在不同光照下更自然、更一致。可在个人电脑上运行！可直接用于生产：腾讯自研游戏编辑器「轻游梦工坊」使用混元3D后，道具制作时间从 2天/个压缩到0.2天/个，提效显著。

小互

24,527 次观看 • 1 年前

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕）这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。原始视频链接：

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕）这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。原始视频链接：

宝玉

114,627 次观看 • 3 年前

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

karminski-牙医

40,013 次观看 • 2 个月前

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub：同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub：同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

GitHubDaily

21,964 次观看 • 8 个月前

这 PLAY AI 还挺硬啊，两篇了还没上，今天船长就继续 PLAY，带大家沉浸式体验一下夜潜，看看晚上的深海下到底恐不恐怖！似乎还看到了根金箍棒，原来它在马来西亚！😆 潜点是仙本娜，就是船长遇见 ZANA 的地方。💔 - 今天顺道介绍 Play AI Play AI 🎲 生态的三大核心模块： 🔸Play Market：数据聚合与验证中心，从多源收集游戏数据，通过 The Oasis 激励系统奖励贡献者，并过滤偏颇信息确保数据质量。 🔸Play Dojo：AI 代理开发平台，提供编程、模拟和微调工具，开发者可访问 Play Market 数据测试代理行为。 🔸Play Hub：部署中心，支持将 AI 代理无缝集成到游戏中，管理多代理交互，并标准化区块链与游戏元素的连接。这三大组件形成闭环，像个精密机器，数据-训练-部署-反馈一条龙，玩家贡献数据就能驱动整个系统自我进化，它牛在让 AI 游戏从【单向开发】变【社区共创】，效率和可持续性拉满。

这 PLAY AI 还挺硬啊，两篇了还没上，今天船长就继续 PLAY，带大家沉浸式体验一下夜潜，看看晚上的深海下到底恐不恐怖！似乎还看到了根金箍棒，原来它在马来西亚！😆 潜点是仙本娜，就是船长遇见 ZANA 的地方。💔 - 今天顺道介绍 Play AI Play AI 🎲 生态的三大核心模块： 🔸Play Market：数据聚合与验证中心，从多源收集游戏数据，通过 The Oasis 激励系统奖励贡献者，并过滤偏颇信息确保数据质量。 🔸Play Dojo：AI 代理开发平台，提供编程、模拟和微调工具，开发者可访问 Play Market 数据测试代理行为。 🔸Play Hub：部署中心，支持将 AI 代理无缝集成到游戏中，管理多代理交互，并标准化区块链与游戏元素的连接。这三大组件形成闭环，像个精密机器，数据-训练-部署-反馈一条龙，玩家贡献数据就能驱动整个系统自我进化，它牛在让 AI 游戏从【单向开发】变【社区共创】，效率和可持续性拉满。

Captain Kent | 船长🪶 | MemeMax⚡️🐜

15,658 次观看 • 9 个月前

直播第二天，OpenAI推出了【强化微调(Reinforcement Fine-Tuning)】，它可以让你用极少的训练数据，为特定的复杂任务构建专家模型，微调后的o1-mini得分提高80%，反超o1正式版！特点： 1、只需几十到几千个高质量数据 2、评分机制持续优化模型表现，通过参考答案评估模型输出，支持自定义评分标准 3、增强模型在特定领域的推理能力和准确性，通用AI变专家AI 4、提供完整网页操作界面，可实时监控模型性能变化适用于编程、科学研究、金融、法律等等不同领域 #openai #openai强化微调 #模型微调

直播第二天，OpenAI推出了【强化微调(Reinforcement Fine-Tuning)】，它可以让你用极少的训练数据，为特定的复杂任务构建专家模型，微调后的o1-mini得分提高80%，反超o1正式版！特点： 1、只需几十到几千个高质量数据 2、评分机制持续优化模型表现，通过参考答案评估模型输出，支持自定义评分标准 3、增强模型在特定领域的推理能力和准确性，通用AI变专家AI 4、提供完整网页操作界面，可实时监控模型性能变化适用于编程、科学研究、金融、法律等等不同领域 #openai #openai强化微调 #模型微调

AIGCLINK

26,382 次观看 • 1 年前

过年没事干，打金不能停，最近大家开始肝 Seraph 了嘛？我们最近找了10个大学生寒假兼职肝 #Seraph，我认定它就是下一个 #Bigtime，潜力巨大。 #Seraph 这个游戏我介绍过很多次了，作为2025年最值得一玩的次世代3A级区块链动作角色扮演游戏(ARPG)， #Seraph 不仅是游戏开发的里程碑，更是 #GameFi 领域的新标杆。通过深度融合区块链技术和 AI驱动，Seraph 成功打造了一个独特且可持续的游戏生态，重新定义了区块链游戏体验，推动了Gamefi+AI的双重融合模式！

过年没事干，打金不能停，最近大家开始肝 Seraph 了嘛？我们最近找了10个大学生寒假兼职肝 #Seraph，我认定它就是下一个 #Bigtime，潜力巨大。 #Seraph 这个游戏我介绍过很多次了，作为2025年最值得一玩的次世代3A级区块链动作角色扮演游戏(ARPG)， #Seraph 不仅是游戏开发的里程碑，更是 #GameFi 领域的新标杆。通过深度融合区块链技术和 AI驱动，Seraph 成功打造了一个独特且可持续的游戏生态，重新定义了区块链游戏体验，推动了Gamefi+AI的双重融合模式！

Rocky

115,028 次观看 • 1 年前

在今天的百度世界大会上，沉寂许久的百度发布其文心5.0（EB5）模型似乎是憋了个大招根据公布的信息,这代模型直接从训练伊始就融合文本、图像、音频、视频训练数据是一个原生的全模态模型... - 参数规模高达 2.4 万亿 - MoE架构激活参数比例< 3% 测试了下视频分析能力，感觉是有点东西... 真的能看懂视频，不只是台词，画面分析的也很可以...

在今天的百度世界大会上，沉寂许久的百度发布其文心5.0（EB5）模型似乎是憋了个大招根据公布的信息,这代模型直接从训练伊始就融合文本、图像、音频、视频训练数据是一个原生的全模态模型... - 参数规模高达 2.4 万亿 - MoE架构激活参数比例< 3% 测试了下视频分析能力，感觉是有点东西... 真的能看懂视频，不只是台词，画面分析的也很可以...

小互

38,838 次观看 • 8 个月前

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

61,710 次观看 • 2 年前

兄弟们这个有点强啊而且是完全开源的感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

兄弟们这个有点强啊而且是完全开源的感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

小互

44,263 次观看 • 1 年前

每个人都能买得起英伟达发布个人AI超级计算机，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿参数的大语言模型。通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿参数模型。而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

每个人都能买得起英伟达发布个人AI超级计算机，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿参数的大语言模型。通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿参数模型。而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

小互

85,697 次观看 • 1 年前

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

karminski-牙医

24,831 次观看 • 6 个月前

试了好多Web3游戏,大多都只是包装了个链上噱头,游戏性基本为零。不过最近发现一个叫BOSS FIGHTERS ⚡️ $BFTOKEN,真的让我眼前一亮! 这是一个在Open Loot平台上的PvP对战游戏,你可以选择成为Boss或者Fighter。VR模式简直让人上头,感觉整个人都身临其境了。操作手感很扎实,战斗节奏快而不乱,每场对决都紧张刺激。游戏本身在Web2平台就做得不错,现在趁着Web3东风起来感觉前景很不错。通过$OL代币经济模型的加持,让游戏体验和收益都得到了提升。难得遇到一个把重心放在游戏性上的Web3项目,值得关注。🎮 #GameFi #Web3Gaming #VR #P2E #BOSSFIGHTERS #PVP #区块链游戏

试了好多Web3游戏,大多都只是包装了个链上噱头,游戏性基本为零。不过最近发现一个叫BOSS FIGHTERS ⚡️ $BFTOKEN,真的让我眼前一亮! 这是一个在Open Loot平台上的PvP对战游戏,你可以选择成为Boss或者Fighter。VR模式简直让人上头,感觉整个人都身临其境了。操作手感很扎实,战斗节奏快而不乱,每场对决都紧张刺激。游戏本身在Web2平台就做得不错,现在趁着Web3东风起来感觉前景很不错。通过$OL代币经济模型的加持,让游戏体验和收益都得到了提升。难得遇到一个把重心放在游戏性上的Web3项目,值得关注。🎮 #GameFi #Web3Gaming #VR #P2E #BOSSFIGHTERS #PVP #区块链游戏

加密旺哥🧩 $BARD

36,340 次观看 • 1 年前

评论,转发，点赞抽5人瓜分200U的代币 $MXNA ，TGE当天空投（需要关注官推）链游赛道画面（建模，艺术水平）新天花板，Machina 震撼来袭！🌟 🎮 由《航海王剧场版：红发歌姬》导演谷口五朗携手《超时空要塞》、《高达》首席机甲设计师天神英贵，打造基于Unreal Engine 5的7v7机甲竞技射击游戏，使用《装甲核心》，《机甲战魔》游戏风格。美术风格是这几年投资圈比较fomo的二游风格。官推来看，游戏完成度已经非常高了动漫+游戏结合的设计在打造ip上有天然优势。 🌐 腾讯、Immutable等巨头背书，富士电视台等媒体巨头合作，创始团队拥有20年以上顶级游戏工作室经验，老御三家，世嘉前并购负责人领衔，打造跨媒体IP，游戏与动漫同步制作，开创性地实现区块链游戏与动漫的完美融合！ 🌌 精美画风与优质制作水平，每一帧都是艺术，每一次战斗都是传奇！游戏玩法包括每日去中心化锦标赛，DAO组织，全球赞助，打金赚钱，娱乐游戏，免费游戏 🔗 官网：官方撸毛TG：创世nft：代币经济模型&NFT 用途介绍代币符号为$MXNA，在 Machina 中代币有多种用途，包括购买NFT和游戏部件、支付比赛报名费用和赛季通行证费用、承担比赛组织的成本，以及支持各种质押活动等。 Machina ($MXNA) 的代币经济模型总分配为 1,000,000,000，主要包括公司储备（20%）、社区奖励（30%）、市场推广（5%）、顾问（3%）、创始人销售（4%）、公开销售（6%）、私售（9.5%）、流动性（5%）、上市（4.5%）、生态系统基金（7%）、动漫基金（2%）、以及空投（2.5%）和关键意见领袖（1.5%）。有钱的可以看一眼创世nft，性价比还可以白嫖的可以开始tg签到先撸毛

评论,转发，点赞抽5人瓜分200U的代币 $MXNA ，TGE当天空投（需要关注官推）链游赛道画面（建模，艺术水平）新天花板，Machina 震撼来袭！🌟 🎮 由《航海王剧场版：红发歌姬》导演谷口五朗携手《超时空要塞》、《高达》首席机甲设计师天神英贵，打造基于Unreal Engine 5的7v7机甲竞技射击游戏，使用《装甲核心》，《机甲战魔》游戏风格。美术风格是这几年投资圈比较fomo的二游风格。官推来看，游戏完成度已经非常高了动漫+游戏结合的设计在打造ip上有天然优势。 🌐 腾讯、Immutable等巨头背书，富士电视台等媒体巨头合作，创始团队拥有20年以上顶级游戏工作室经验，老御三家，世嘉前并购负责人领衔，打造跨媒体IP，游戏与动漫同步制作，开创性地实现区块链游戏与动漫的完美融合！ 🌌 精美画风与优质制作水平，每一帧都是艺术，每一次战斗都是传奇！游戏玩法包括每日去中心化锦标赛，DAO组织，全球赞助，打金赚钱，娱乐游戏，免费游戏 🔗 官网：官方撸毛TG：创世nft：代币经济模型&NFT 用途介绍代币符号为$MXNA，在 Machina 中代币有多种用途，包括购买NFT和游戏部件、支付比赛报名费用和赛季通行证费用、承担比赛组织的成本，以及支持各种质押活动等。 Machina ($MXNA) 的代币经济模型总分配为 1,000,000,000，主要包括公司储备（20%）、社区奖励（30%）、市场推广（5%）、顾问（3%）、创始人销售（4%）、公开销售（6%）、私售（9.5%）、流动性（5%）、上市（4.5%）、生态系统基金（7%）、动漫基金（2%）、以及空投（2.5%）和关键意见领袖（1.5%）。有钱的可以看一眼创世nft，性价比还可以白嫖的可以开始tg签到先撸毛

CryptoMaid加密女仆お嬢様 .edge🦭

17,523 次观看 • 1 年前