最新AI教程资讯
Self-Taught Evaluators – Meta推出的新型模型评估方法
Self-Taught Evaluators是一种新型的模型评估方法，基于自我训练的方式提高大型语言模型（LLM）的评估能力，无需人工标注数据。从未经标记的指令开始，用迭代自我改进方案生成对比模型输出。用LLM作为裁判，生成推理轨迹和最终判断。
2025-01-31 15:39:22
TurboSeek – AI驱动的开源的智能搜索引擎
TurboSeek是一个开源的AI搜索引擎，由Together ai提供技术支持。基于现代化的技术栈，包括Next js、Tailwind、Bing搜索API及先进的语言模型Mixtral 8x7B和Llama-3，为用户提供快速、智能的搜索体验。
2025-01-31 15:15:53
Napkins.dev – AI驱动的支持截图或线框图快速生成网页应用的开源项目
Napkins dev是一个创新的开源项目，基于AI技术将用户的截图或线框图快速转换成可运行的网页应用程序。该、项目背后依托于Meta的Llama 3 1 405B大型语言模型和Llama 3 2 Vision视觉模型，结合Together ai的推理服务，实现从视觉设计到代码的自动生成。
2025-01-31 14:55:41
MDM – 苹果推出开源的新型扩散模型框架
Matryoshka Diffusion Models（MDM）是由苹果公司研究人员推出的一种新型扩散模型框架，旨在解决生成高分辨率图像和视频时面临的计算和优化挑战。MDM基于在多个分辨率上联合去噪的扩散过程，采用嵌套UNet架构，实了小尺度模型嵌套在大尺度模型中的特征，促进不同尺度间的特征共享，支持从低分辨率到高分辨率的渐进式训练策略。
2025-01-31 14:30:38
mPLUG-DocOwl 1.5 – 阿里开源的多模态大型语言模型
mPLUG-DocOwl 1 5是由阿里巴巴集团推出的多模态大型语言模型，专注于OCR-free（无需光学字符识别）的文档理解。模型基于统一结构学习，强化对文本丰富图像如文档、表格和图表的结构信息理解能力。
2025-01-31 14:07:25
Fluid – 谷歌联合MIT推出文本到图像的自回归生成模型
Fluid是由Google DeepMind和MIT共同推出的文本到图像的自回归生成模型，基于连续标记和随机生成顺序的方法，在视觉质量和评估性能上取得突破性进展。模型在扩大模型规模时，能有效提升图像生成的视觉质量，解决传统自回归模型的局限性。
2025-01-31 13:39:42
SaRA – 上海交大联合腾讯推出的预训练扩散模型微调方法
SaRA是一种新型的预训练扩散模型微调方法，由上海交通大学和腾讯优图实验室共同推出。基于重新激活预训练过程中看似无效的参数，让模型能适应新任务。SaRA基于核范数低秩稀疏训练方案避免过拟合，引入渐进式参数调整策略，优化模型性能。
2025-01-31 13:10:11
Quanta Quest – 开源的AI个人数据库产品，多平台数据整合
Quanta Quest是一款面向个人用户的开源AI时代智能数据库产品，基于将个人数据如Gmail、Dropbox、Notion等整合到一个平台上，用RAG技术提供AI搜索功能，帮助用户高效管理和检索信息。Quanta Quest特别强调隐私保护和数据安全，确保用户数据的本地化处理，在保护个人隐私的同时，提供强大的数据检索能力。
2025-01-31 12:44:39
BiGR – 统一条件生成图像的模型框架，增强生成质量和表示能力
BiGR是一种新型的条件图像生成模型，用紧凑的二进制潜在代码进行生成训练，增强图像的生成质量和表示能力。作为首个在同一框架内统一生成和判别任务的模型，BiGR在保持高生成质量的同时，能有效地执行视觉生成、辨别和编辑等多种视觉任务。
2025-01-31 12:19:24
MoE++ – 昆仑万维和北大联合推出的混合专家架构
MoE++是一种新型的混合专家（Mixture-of-Experts）架构，由昆仑万维2050研究院与北大袁粒团队联合推出。基于引入零计算量专家，即零专家、复制专家和常数专家，降低计算成本、提升模型性能。MoE++支持每个Token动态地与不同数量的前馈网络专家交互，甚至跳过某些层，优化计算资源分配。
2025-01-30 22:09:57
Granite 3.0 – IBM推出用于企业级应用的系列AI模型
Granite 3 0 是 IBM 推出的一系列先进的AI模型，能在多个学术和企业基准测试中展现出卓越的性能。模型设计用在企业级应用，能执行各种任务，包括文本生成、分类、问答等，特别擅长检索增强生成和多语言对话。
2025-01-30 21:46:36
Project Turntable – Adobe推出可旋转操作2D矢量图像的AI工具
Project Turntable是Adobe在2024年MAX大会上推出的一款创新AI工具。工具能让用户像操作3D对象一样旋转2D矢量图像，即时生成图像所需的隐藏部分。用AI模型填充旋转过程中暴露的空白区域，简化2D图像编辑的工作流程，为设计师提操作便捷性。
2025-01-30 21:24:25
OmniAI – AI文档处理平台，支持多格式批量处理和信息提取
OmniAI是一个强大的AI文档处理平台，基于先进的OCR技术，支持对PDF、DOCX、图片等多种文件格式进行快速处理和数据提取。平台支持用户轻松创建文档处理管道，实现批量处理、信息提取和内容分类。OmniAI支持多种视觉模型，包括OpenAI、Azure、Gemini等，提供JSON格式输出获取结构化数据。
2025-01-30 20:57:30
TaskWeaver – 微软推出代码优先的AI智能体框架
TaskWeaver是由微软推出的一个代码优先的AI智能体框架，专注于无缝规划和执行数据分析任务。基于代码片段解释用户请求，高效协调各种插件（以函数形式）执行数据分析任务，支持状态化的执行方式。TaskWeaver支持丰富的数据结构，支持用户封装自定义算法作为插件，整合领域特定知识提高任务执行的可靠性。
2025-01-30 20:30:14
Stable Diffusion 3.5 – Stability AI最新开源的图像生成模型
Stable Diffusion 3 5是Stability AI公司最新推出的一系列先进的AI图像生成模型，包括Stable Diffusion 3 5 Large、Stable Diffusion 3 5 Large Turbo和即将发布的Stable Diffusion 3 5 Medium。
2025-01-30 20:06:52
Mochi 1 – Genmo推出的开源高质量AI视频生成模型
Mochi 1是Genmo公司推出的开源视频生成模型，在动作质量和遵循用户提示方面表现出色。Mochi 1基于Apache 2 0许可证发布，支持个人和商业用途的免费使用。模型目前提供480p的基础版本，计划在年底前推出支持720p的高清版本Mochi 1 HD，提供更高保真度和更流畅的动作。
2025-01-30 19:41:06
Claude 3.5 Haiku – Anthropic推出的响应最快的AI模型
Claude 3 5 Haiku 是 Anthropic 公司推出的一款新型人工智能模型，保持与前代 Claude 3 Haiku 相近的速度和成本的同时，实现了在各项能力上的提升，在多项基准测试中超越了 Claude 3 Opus。
2025-01-30 19:17:31
PUMA – 多粒度策略统一的多模态大语言模型
PUMA是一个先进的多模态大型语言模型（MLLM），旨在基于集成多粒度视觉特征统一和增强视觉生成和理解任务。PUMA能处理从文本到图像的生成、详细的图像编辑及其他视觉任务，适应不同层次的细节要求。
2025-01-30 18:49:39
Janus – DeepSeek推出的自回归框架，统一多模态理解和生成任务
Janus是一个由DeepSeek AI推出的自回归框架，旨在统一多模态理解和生成任务。将视觉编码分离成不同的路径解决以往方法的局限性，且用单一的变换器架构进行处理。减轻视觉编码器在理解和生成任务中的角色冲突，提高框架的灵活性。
2025-01-30 18:29:09
PaddleOCR 2.9 – 百度飞桨推出的新版开源光学字符识别（OCR）工具库
PaddleOCR 2 9是由百度飞桨（PaddlePaddle）推出的一款开源光学字符识别（OCR）工具库。提供丰富的算法和模型，支持多种语言识别，提供数据标注和合成工具。PaddleOCR 2 9特别强化文档场景信息抽取能力，推出PP-ChatOCRv3-doc开源版，提升版面解析和信息抽取的精度。
2025-01-30 18:02:18
人气排行
24小时排行
