最新AI教程资讯
AgentStack – 开发者快速构建AI代理的开源项目
AgentStack是一个开源工具，旨在帮助开发者快速构建AI代理项目。基于提供一个预配置的模板和集成流行的代理框架及大型语言模型（LLM）提供商，简化从零开始创建AI代理的过程。AgentStack支持macOS、Windows和Linux系统，无需额外配置，让开发者专注于编写代码。
2025-02-01 16:34:14
Marco – 阿里推出的商用翻译大模型，支持15个语种
Marco是阿里国际最新推出的大规模商用翻译大模型，支持15种全球主流语种，包括中、英、日、韩、西、法等。在BLEU评测指标上超越Google翻译、DeepL、GPT-4等竞争对手，提供基于语境的精准翻译，避免字面意思造成的歧义。
2025-02-01 16:10:21
Ministral 3B/8B – Mistral AI推出的两款新型AI小模型
Ministral 3B和8B是由Mistral AI推出的两款新型AI小模型，专为设备端计算和边缘使用场景设计。在知识、常识、推理、功能调用和效率方面为10亿参数以下的类别设定新的标准。Ministral 3B和8B支持高达128k的上下文长度，其中8B模型基于特殊的交错滑动窗口注意力模式，实现更快和更高效的推理。
2025-01-31 23:18:00
TANGO – 东京大学和CyberAgent AI Lab推出声音驱动全身手势视频生成框架
TANGO 是一个由东京大学和 CyberAgent AI Lab 共同推出的开源框架，专注于生成与目标语音同步的全身手势视频。基于分层音频运动嵌入和扩散插值网络，将目标语音音频与参考视频库中的动作完美匹配，确保制作出高保真度、动作同步的视频。
2025-01-31 22:48:49
Nemotron-70B-Instruct – 英伟达推出的大语言模型
Nemotron-70B-Instruct 是英伟达（NVIDIA）发布的一个大型语言模型，基于一种新颖的混合训练方法提升模型遵循指令时的响应质量和一致性。模型结合Bradley-Terry和Regression风格训练的元素，用包含偏好注释的HelpSteer2-Preference数据集，注释附带人类编写的解释，增强数据的可解释性。
2025-01-31 22:24:24
Sana – 英伟达、麻省和清华联合推出的文本到图像生成框架
SANA是由NVIDIA、麻省理工学院和清华大学共同推出的文本到图像生成框架，能高效地生成高达4096×4096分辨率的高清晰度图像。SANA基于深度压缩自编码器、线性扩散变换器（Linear DiT）、仅解码器的小型语言模型作为文本编码器，和高效的训练和采样策略，实现快速生成具有强文本图像对齐的高分辨率图像。
2025-01-31 21:59:58
Chat2DB – AI数据库管理和分析工具，自然语言生成SQL
Chat2DB是一款AI驱动的数据库管理和分析工具，基于自然语言处理技术，支持用户用自然语言与数据库进行交互，简化SQL代码的编写和数据库管理。Chat2DB支持多种数据库系统，包括MySQL、PostgreSQL、Oracle、SQLServer等，提供智能SQL编辑器、数据导入导出、AI智能建表和数据库迁移等功能。
2025-01-31 21:32:53
IterComp – 清北、牛津等多所高校联合推出的文本到图像生成框架
IterComp是一个由清华大学、北京大学、LibAI Lab、中国科学技术大学、牛津大学和普林斯顿大学的研究人员联合推出的文本到图像生成框架。基于迭代反馈学习机制，聚合多个扩散模型的组合生成偏好，全面提升模型在处理复杂组合任务时的综合能力。
2025-01-31 21:08:34
LayerSkip – Meta推出加速大型语言模型推理过程的技术
LayerSkip是一种用在加速大型语言模型（LLMs）推理过程的技术。基于在训练阶段应用层dropout和早期退出损失，让模型在推理时从早期层开始更准确地退出，不需要遍历所有层。提高模型的推理速度，减少计算资源的消耗。
2025-01-31 20:40:48
Spirit LM – Meta推出多模态语言模型，无缝集成语音和文本
Spirit LM是由Meta AI团队推出的一种多模态语言模型，能无缝地混合文本和语音数据。Spirit LM基于一个预训练的文本语言模型，用持续在文本和语音单元上的训练扩展到语音模态。模型有两个版本：基础版（BASE）和表达版（EXPRESSIVE）
2025-01-31 20:14:16
Story-Adapter – 无需额外训练的长篇故事可视化框架
Story-Adapter 是一种新型的长篇故事可视化框架，能在保持语义一致性的同时，生成高质量且具有细腻交互的故事图像序列。通过迭代方式，基于全局参考交叉注意力模块，优化图像生成过程，提升了长故事场景下的可视化效果。
2025-01-31 19:52:36
LOKI – 中山大学联合上海AI Lab推出的合成数据检测基准
LOKI是由中山大学和上海AI Lab联合提出的合成数据检测基准，旨在全面评估大型多模态模型（LMMs）在识别视频、图像、3D、文本和音频等多种模态合成数据的能力。包含18,000多个问题，覆盖26个子类别，采用多层次标注，支持细粒度异常注释。
2025-01-31 19:26:04
NotesGPT – 开源的AI语音笔记工具，实时转录文本自动生成行动项
NotesGPT是一款开源的AI驱动语音笔记工具，能将用户的语音笔记快速转录成文本，自动生成行动项。工具基于包括Convex数据库、Next js框架、Together推理模型、Replicate的Whisper转录服务等先进技术，确保转录的准确性和生成任务的效率。
2025-01-31 18:57:25
MEXMA – Meta推出的预训练跨语言句子编码器
MEXMA是由Meta AI推出的一种新型的预训练跨语言句子编码器。基于结合句子级和词语级的目标提升句子表示的质量。在训练过程中，MEXMA用一种语言的句子表示预测另一种语言中被遮蔽的词语，支持直接更新编码器中的句子表示和所有词语。
2025-01-31 18:31:48
Lingua – Meta推出的轻量级独立代码库
Lingua 是 Meta AI推出的一个轻量级且独立的代码库，旨在助力大规模训练语言模型。基于易于修改的 PyTorch 组件，便于研究人员尝试新的模型架构、损失函数和数据集。Lingua 专注于端到端训练、推理和评估，提供工具优化速度和稳定性。
2025-01-31 18:06:21
VideoAgent – 斯坦福联合多所研究机构推出自改进的视频生成系统
VideoAgent是一种自改进的视频生成系统，由斯坦福大学、滑铁卢大学、DeepMind等机构的研究人员共同推出。根据图像观察和语言指令生成视频计划，转换为机器人控制动作。VideoAgent基于自我条件一致性方法细化视频计划，用预训练的视觉-语言模型（VLM）反馈进行迭代优化。
2025-01-31 17:45:17
Llama Tutor – 开源的AI学习平台，提供学习主题生成定制学习计划
Llama Tutor 是一个基于AI的个性化学习平台，由 Llama 3 1 和 Together AI 技术驱动，是一个完全开源的项目。支持用户输入想要学习的主题和教育水平，生成一个量身定做的学习计划。平台覆盖包括篮球、机器学习、个人理财和美国历史在内的多个学科领域，旨在为不同背景和需求的学习者提供支持。
2025-01-31 17:20:56
ComfyGen – 英伟达联合特拉维夫推出的文本到图像生成系统
ComfyGen是由NVIDIA和特拉维夫大学研究人员推出的一种文本到图像生成系统，基于大型语言模型（LLM）自动创建与用户文本提示相匹配的工作流，提升图像生成的质量。系统解决传统单体模型在生成图像时存在的限制，结合多个专业组件如微调基础模型、LoRAs、嵌入、超分辨率步骤等构建复杂的工作流
2025-01-31 16:54:32
restorePhotos.io – 开源的AI照片修复项目，高质量修复老旧照片
restorePhotos io 是一个开源的AI项目，专注于修复老旧和模糊的人脸照片。用GFPGAN机器学习模型，基于Next js API路由处理上传的照片，再返回修复后的照片。能在本地运行项目，或基于Vercel平台一键部署。
2025-01-31 16:30:35
PDFtoChat – AI驱动的与PDF互动提取关键信息的开源项目
PDFtoChat 是一个开源的创新AI项目，支持用户基于自然语言对话的方式与 PDF 文件互动。工具基于最新的 AI 技术，包括 Together AI 和 Mixtral，理解用户的查询，从 PDF 内容中提取相关信息。PDFtoChat基于 Next js App Router 框架，结合多种技术，例如 LangChain js 和 MongoDB Atlas，提供强大的文档检索和交互能力
2025-01-31 16:03:05
人气排行
24小时排行
