最新AI教程资讯
HRAvatar – 清华联合IDEA推出的单目视频生成3D头像技术
HRAvatar是清华大学联合IDEA团队推出的单目视频重建技术，支持从普通单目视频中生成高质量、可重光照的3D头像。HRAvatar用可学习的形变基和线性蒙皮技术，基于精准的表情编码器减少追踪误差，提升重建质量。
2025-07-21 16:42:26
Pocket Flow – 开源的轻量级AI应用开发框架，仅用100行代码实现
Pocket Flow 是极简的 LLM（大型语言模型）框架，仅用 100 行代码实现，具有轻量级、无依赖、无厂商锁定的特点。Pocket Flow支持多Agents、工作流、检索增强生成（RAG）等强大功能，帮助开发者快速构建基于 LLM 的应用程序。
2025-07-21 16:18:26
Aurora – 微软推出的大气基础模型
Aurora是微软研究院推出的13亿参数的大气基础模型，基于从海量大气数据中提取有价值信息，用在预测全球天气模式、空气污染和海洋波浪等大气过程。模型用预训练和微调的架构，处理不同分辨率和压力水平的数据。
2025-07-21 15:54:26
DeepWiki MCP – Cognition Labs推出的MCP服务工具
DeepWiki MCP 是Cognition Labs推出的远程服务器，基于开放标准的 Model Context Protocol（MCP）。DeepWiki MCP为 AI 应用提供访问和搜索 GitHub 代码库文档的能力。
2025-07-21 15:30:26
Gemini Diffusion – 谷歌推出的文本扩散模型
Gemini Diffusion是谷歌推出的实验性文本扩散模型。与传统自回归模型逐词生成文本不同，基于逐步细化噪声生成输出，能快速迭代纠正错误，让Gemini Diffusion在文本生成任务中表现出色，具备快速响应、生成更连贯文本和迭代细化等能力。
2025-07-21 15:06:26
3DTown – 哥伦比亚联合Cybever AI等推出单视图生成3D城镇场景的框架
3DTown 是哥伦比亚大学联合Cybever AI等机构推出的从单张俯视图生成3D城镇场景框架。框架基于区域化生成和空间感知的3D修复技术，将输入图像分解为重叠区域，基于预训练的3D对象生成器分别生成每个区域的3D内容。
2025-07-21 14:42:26
SurfSense – 开源AI研究助手，个人知识库与全球数据源无缝链接
SurfSense 是开源的 AI 研究工具，类似于 NotebookLM 和 Perplexity，具备更强的扩展性。工具能与多种外部数据源（如搜索引擎、Slack、Notion、YouTube、GitHub 等）集成，支持用户上传多种格式的文件，将内容整合到个人知识库中。
2025-07-21 14:18:26
Vid2World – 清华联合重庆大学推出视频模型转为世界模型的框架
Vid2World是清华大学联合重庆大学推出的创新框架，支持将全序列、非因果的被动视频扩散模型（VDM）转换为自回归、交互式、动作条件化的世界模型。模型基于视频扩散因果化和因果动作引导两大核心技术，解决传统VDM在因果生成和动作条件化方面的不足。
2025-07-21 13:54:26
Pixel Reasoner – 滑铁卢联合港科大等高校推出的视觉语言模型
Pixel Reasoner是滑铁卢大学、香港科技大学、中国科学技术大学等机构推出的视觉语言模型（VLM），基于像素空间推理增强模型对视觉信息的理解和推理能力。
2025-07-21 13:30:29
MTVCrafter – 中科院联合中国电信等机构推出的人像动画生成框架
MTVCrafter是中国科学院深圳先进技术研究院计算机视觉与模式识别实验室、中国电信人工智能研究所等机构推出的新型人类图像动画框架，基于原始3D运动序列进行高质量动画生成。框架基于4D运动标记化（4DMoT）直接对3D运动数据进行建模，避免传统方法中依赖2D渲染姿态图像的局限性。
2025-07-21 13:06:26
Morphik – 开源的多模态检索增强生成工具
Morphik 是开源的多模态检索增强生成（RAG）工具，专为处理高技术性和视觉内容丰富的文档设计。支持对图像、PDF、视频等多种格式的文档进行搜索，采用 ColPali 等技术，能理解文档中的视觉内容。
2025-07-21 12:42:26
AgenticSeek – 开源本地通用AI Agent，自主执行任务
AgenticSeek是完全本地化的开源AI助手，也是 Manus 的开源平替。AgenticSeek能在本地设备上自主执行任务，如浏览网页、编写代码、规划复杂项目等，所有数据和操作均在本地完成，确保用户隐私。
2025-07-21 12:18:26
Slidev – 开源AI PPT制作工具，支持Markdown秒变幻灯片
Slidev 是开源的幻灯片制作工具，基于 Markdown + Vue 技术栈实现。工具支持用简单的 Markdown 语法创建幻灯片，支持代码高亮、实时编码演示、数学公式渲染、图表生成等功能，提供丰富的主题和样式选项。
2025-07-21 11:54:26
Company Research Agent – AI公司研究工具，自动生成公司深度报告
Company Research Agent是基于多智能体框架的公司研究工具，支持一键自动生成全面的公司研究报告。工具从公司网站、新闻文章、财务报告和行业分析等多源数据中收集信息，基于Gemini 2 0 Flash和GPT-4 1-mini等模型进行高语境研究综合及精确的报告格式化和编辑。
2025-07-21 11:30:27
Direct3D-S2 – 南大联合复旦等高校推出的高分辨率3D生成框架
Direct3D-S2 是南京大学、DreamTech、复旦大学和牛津大学的研究人员共同推出的高分辨率 3D 生成框架，基于稀疏体积表示和创新的空间稀疏注意力（SSA）机制，大幅提升扩散变换器（DiT）的计算效率，显著降低训练成本。
2025-07-21 11:06:26
QwenLong-L1-32B – 阿里Qwen-Doc开源的长文本推理模型
QwenLong-L1-32B 是阿里巴巴集团 Qwen-Doc 团队开源的首个长文本推理大模型。模型基于渐进式上下文扩展、课程引导的强化学习和难度感知的回顾性采样策略，显著提升在长文本场景下的推理能力。模型在多个长文本文档问答（DocQA）基准测试中表现优异，平均准确率达到了70 7%，超越OpenAI-o3-mini和Qwen3-235B-A22B等现有旗舰模型，且与Claude-3 7-Sonnet-Thinking相当。
2025-07-21 10:42:26
LMEval – 谷歌开源的统一评估多模态AI模型框架
LMEval 是谷歌推出的开源框架，用在简化大型模型（LLMs）的跨提供商评估。框架支持多模态（文本、图像、代码）和多指标评估，兼容 Google、OpenAI、Anthropic 等主流模型提供商。LMEval 基于增量评估引擎，运行必要的测试，节省时间和计算资源。
2025-07-21 10:18:26
LLaDA-V – 人大高瓴AI联合蚂蚁推出的多模态大模型
LLaDA-V是中国人民大学高瓴人工智能学院、蚂蚁集团推出的多模态大语言模型（MLLM），基于纯扩散模型架构，专注于视觉指令微调。模型在LLaDA的基础上，引入视觉编码器和MLP连接器，将视觉特征映射到语言嵌入空间，实现有效的多模态对齐。
2025-07-21 09:54:26
人气排行
24小时排行
