0分0秒

AIGC技术原理认知

进阶层章内定位原理认知 建议时长6 分钟 产业场景AIGC与生成式AI产业 设备无需摄像头、麦克风
下载

仿真实验区

开始实验并完成课前步骤后,这里的操作计入成绩

实验说明

实验一:AIGC技术原理认知

动手拆开两类生成模型的核心机制:用约1500字成都介绍训练的迷你语言模型逐字预测下一个字,观察温度与上下文长度的影响,再让DeepSeek续写同一开头作对比。

按扩散公式给照片逐步加噪,观察噪声日程;调用可图Kolors用同一提示词、同一种子分别以4、10、25步生成图像,理解去噪步数的作用。

达成要求:能用迷你语言模型说明逐字预测、温度与上下文长度的作用,并对比DeepSeek续写;能按扩散公式解释加噪与去噪过程,用同一种子不同步数的真实生成结果说明步数对图像质量的影响。

  • 用迷你语言模型逐字生成,比较不同温度下候选字的概率分布
  • 改变“看前面几个字”,观察上下文长度对生成的影响
  • 让DeepSeek续写同一开头,对比统计模型与大模型的差异
  • 拖动扩散时间步,观察原图与噪声比例的变化
  • 用真实图像模型比较4、10、25步的生成效果
  • 完成模型匹配与扩散生成流程排序
  • 知识目标: 掌握AIGC的技术原理与发展脉络
  • 能力目标: 培养AI技术理解与应用能力
  • 素养目标: 理解AI对内容创作范式的革新
  • 生成对抗网络(GAN)
  • 变分自编码器(VAE)
  • Transformer架构
  • 扩散模型(DDPM/DDIM)
  • 大语言模型(DeepSeek/通义千问/文心一言)
  • 多模态学习

漫话数媒

开始实验后,课前的“AI 导学”会在这里生成奇思、妙想的对话。