排序
DRT-o1-腾讯研究院推出的文学翻译系列AI模型
DRT-o1是什么 DRT-o1是腾讯研究院推出的一系列AI模型，通过长链思考推理（CoT）技术显著提升了文学作品的翻译质量，尤其在处理比喻和隐喻等修辞手法时。模型能更深入地理解文本，保留原文的情感...
3个月前FastExcel-开源的高性能Excel处理工具
FastExcel是什么 FastExcel是基于Java的开源库，提供快速、简洁且能解决大文件内存溢出问题的Excel处理工具。FastExcel兼容EasyExcel，提供性能优化、bug修复，新增如读取指定行数和转换为PDF功...
3个月前FinRobot-开源AIAgent平台，解决金融领域应用的综合解决方案
FinRobot是什么 FinRobot是开源的AI代理平台，专注于金融领域的应用。基于大型语言模型（LLMs）来构建能进行复杂分析和决策的金融专业AI代理。平台通过金融思维链（CoT）提示功能，将难题分解成...
3个月前DeepSeekV3-DeepSeek开源的最新版AI模型，编程能力超越Claude
DeepSeek V3是什么 DeepSeek V3是知名私募巨头幻方量化旗下人工智能公司深度求索（DeepSeek）开源的最新版AI模型，在多语言编程能力上的进步显著。在aider多语言编程测评中的表现超越了Claude 3...
3个月前3DHM-3D人体动作生成框架，单张图片生成任意视频动作
3DHM是什么 3DHM（3D Human Motions）是先进的3D人体动作生成技术，加州大学伯克利分校的研究人员推出。能从单张人物照片生成具有3D控制的动态人体视频，实现从静态图像到动态视频的转变。技术...
3个月前Diff-Instruct-从预训练扩散模型中迁移知识的通用框架
Diff-Instruct是什么 Diff-Instruct是先进的知识转移方法，用于从预训练的扩散模型中提取知识，指导其他生成模型的训练。它基于一种新的散度度量——积分Kullback-Leibler (IKL) 散度，专为扩散...
3个月前VidTok-微软开源的视频分词器，支持连续和离散分词化
VidTok是什么 VidTok（Video Tokenizer）是微软开源的先进的视频分词器，通过高效的算法将视频内容转换成一系列“视频词”。支持连续和离散分词化，具有灵活的压缩率和多样化的隐空间，适用于不...
3个月前Infinity-字节跳动推出的高分辨率图像生成模型
Infinity是什么 Infinity是字节跳动推出的基于位级自回归建模的视觉生成模型，能根据语言指令生成高分辨率、逼真的图像。Infinity通过无限词汇量的标记器、分类器和位自纠正机制，显著提升图像...
3个月前ModernBERT-英伟达和HuggingFace等机构联合开源的新一代编码器模型
ModernBERT是什么 ModernBERT是Answer.AI、LightOn、约翰斯·霍普金斯大学、英伟达和HuggingFace联合推出的现代编码器-only Transformer模型，是对经典BERT模型的一次重大升级。ModernBERT在2万...
3个月前cobalt-开源的流媒体下载工具，支持全平台视频、音频和图片下载
cobalt是什么 cobalt是开源的流媒体下载工具，提供纯净、简洁无广告的体验。cobalt支持全平台视频、音频和图片下载，包括主流视频网站、社交媒体和音乐平台。cobalt提供个性化设置，支持多主题...
3个月前CogAgent-9B-智谱AI开源GLM-PC的基座模型
CogAgent-9B是什么 CogAgent-9B是基于 GLM-4V-9B 训练的专用Agent任务模型，仅依赖屏幕截图作为输入，无需HTML等文本表征。CogAgent-9B支持高分辨率图像处理，具备双语（中英文）交互能力，能预...
3个月前AGUVIS-香港大学联合Salesforce推出统一纯视觉的GUI自动化框架
AGUVIS是什么 AGUVIS是香港大学、Salesforce 联合推出的统一的纯视觉框架，专为自主GUI智能体设计，能在各种平台（如网页、桌面、移动设备）上操作。AGUVIS基于图像观察和自然语言指令与视觉元...
3个月前Enhance-A-Video-上海AILab联合新加坡国立等推出的视频生成质量增强算法
Enhance-A-Video是什么 Enhance-A-Video 是新加坡国立大学、上海人工智能实验室和德克萨斯大学奥斯汀分校联合推出的视频生成增强算法。算法能够显著提升AI视频生成质量，特别是在对比度、清晰度...
3个月前Valley-字节跳动推出的多模态大模型
Valley是什么 Valley是字节跳动推出的多模态大模型，用于处理涉及文本、图像和视频数据的多样化任务。Valley在内部电子商务和短视频基准测试中取得了最佳成绩，并在OpenCompass测试中展现出色性...
3个月前联通元景-中国联通AI开源的中文原生文生图模型
联通元景是什么 联通元景（UniT2IXL）是中国联通AI推出的中文原生文生图模型，完全在国产昇腾AI基础软硬件平台上实现训练和推理。模型采用复合语言编码模块，优化中文长文本和特色词汇理解，提...
3个月前DiTCtrl-港中文联合腾讯等机构推出的多提示视频生成方法
DiTCtrl是什么 DiTCtrl是基于多模态扩散变换器（MM-DiT）架构的多提示视频生成方法，是香港中文大学和腾讯等机构联合推出的。DiTCtrl能在无需额外训练的情况下，实现多个文本提示之间的连贯视频...
3个月前MNN-阿里开源的移动端深度学习推理框架
MNN是什么 MNN（Mobile Neural Network）是阿里巴巴集团开源的轻量级深度学习推理框架，为移动端、服务器、个人电脑、嵌入式设备等多种设备提供高效的模型部署能力。MNN支持TensorFlow、Caffe、...
3个月前启元重症大模型-腾讯和迈瑞医疗联合推出的重症医疗大模型
启元重症大模型是什么 启元重症大模型是腾讯和迈瑞医疗联合发布的全球首个重症医疗大模型，专为ICU病房设计，解决重症监护中的痛点问题。模型整体参数量达到万亿级别，经过大量医学文本数据训练...
3个月前Poetry2Image-专为中文古诗词图像生成设计的迭代校正框架
Poetry2Image是什么 Poetry2Image是一个专为中文古诗词图像生成设计的迭代校正框架，哈尔滨工业大学提出。框架通过自动化的反馈和校正循环，增强了诗歌与图像之间的一致性，有效捕捉诗歌的语义...
3个月前PeterCat-AI问答机器人，自动抓取GitHub上的文档和issue作为知识库
PeterCat是什么 PeterCat是开源的智能答疑机器人助手。PeterCat能帮助开发者和社区维护者更高效地解决技术问题，提升社区支持效率。PeterCat基于自动构建知识库，能与GitHub的issue、PR和Discus...
3个月前