最新AI教程资讯
MobileLLM – Meta推出的适合移动端的语言模型
MobileLLM是Meta为移动设备用例优化设计的十亿参数以下的大型语言模型，能解决云成本上升和延迟问题。MobileLLM基于深薄架构、嵌入共享和分组查询注意力机制等设计，实现在参数少于十亿的情况下获得高质量的语言模型。
2025-01-26 14:20:14
SmolLM2 – Hugging Face推出的紧凑型大语言模型
SmolLLM2是Hugging Face推出用在设备端应用的紧凑型大型语言模型，提供1 7B、360M、135M三个不同参数级别的模型，适应不同的应用场景和资源限制。模型在理解和执行指令、进行知识推理及解决数学问题方面表现出显著的进步。
2025-01-26 13:54:45
Genmoai-smol – 对单GPU设备优化的开源AI视频生成模型
Genmoai-smol是开源视频生成模型，是Genmoai的txt2video模型的工作进展分支，专为单GPU设备优化，减少显存占用，在资源有限的设备上能进行视频创作。模型用高保真度的运动和强大的提示遵循能力而闻名，显著缩小开放和封闭视频生成系统之间的差距。
2025-01-26 13:26:59
VirSci – 上海人工智能实验室推出的多智能体AI科学研究工具
VirSci（Virtual Scientists）是上海人工智能实验室推出的多智能体AI科学研究工具，基于模拟科学家团队的合作过程加速科研创新。系统基于大型语言模型（LLMs），用组织智能体团队合作生成、评估和完善研究创意，展现出在科学创意生成中的创新性和影响力，超过传统单智能体系统。
2025-01-26 13:04:31
Self-Lengthen – 阿里千问推出的提升输出长度迭代训练框架
Self-Lengthen是阿里巴巴千问团队推出的创新的迭代训练框架，能提升大型语言模型（LLMs）生成长文本的能力。框架基于两个角色，生成器和扩展器协同工作，生成器负责生成初始响应，扩展器将响应拆分、扩展产生更长的文本。
2025-01-26 12:37:18
Amphion – 开源的全能AI音频项目，面向音频、音乐和语音生成的工具包
Amphion是开源的音频、音乐和语音生成工具包，是香港中文大学（深圳）副教授武执政团队联合上海人工智能实验室和深圳市大数据研究院共同推出的。工具包支持可重复的研究，帮助初级研究人员和工程师快速进入音频、音乐和语音生成领域。
2025-01-26 12:15:12
LongReward – 清华、中科院、智谱AI联合推出提升长文本大语言模型性能的方法
LongReward是清华大学、中国科学院、智谱AI联合推出的，基于AI反馈改进长文本大型语言模型（LLMs）性能的方法。LongReward从有用性、逻辑性、忠实性和完整性四个维度为模型响应打分，提供奖励信号，强化学习的方式优化模型，让模型在处理长文本时更准确、一致，能更好地遵循指令。
2025-01-26 11:50:24
Fish Agent – FishAudio推出的端到端语音处理模型
Fish Agent是FishAudio推出的创新的端到端语音处理模型，集成自动语音识别（ASR）和文本到语音（TTS）技术，无需传统的语义编码器 解码器，即可实现语音到语音的直接转换。模型经过700,000小时的多语言音频内容训练，支持包括英语、中文在内的多种语言，精准捕捉和生成环境音频信息
2025-01-26 11:22:19
MeetingMind – AI会议助手，自动捕捉、分析和处理会议见解
MeetingMind是AI驱动的会议助手，基于录音和文件上传功能自动转录会议音频，从中提取关键信息，如任务、决策和问题，帮助用户轻松捕获和分析会议内容，采取行动。
2025-01-26 10:55:47
星辰大模型 – 中国电信推出的AI大模型集合平台
星辰大模型平台是中国电信推出的AI大模型集合平台，覆盖语义、视觉、语音等多模态领域。包含不同参数量级的模型，支持长文本处理，具备多语种语音识别和多任务视觉处理能力。平台以开源和技术创新为特点，推动AI技术在各行业的应用落地。
2025-01-26 10:29:33
Fast GraphRAG – 微软推出高效的知识图谱检索框架
Fast GraphRAG 是微软推出的高效的知识图谱检索框架，旨在提供可解释性和高精度的代理驱动检索工作流。它结合了检索增强生成（RAG）技术和知识图谱，提升大型语言模型（LLMs）在处理私有数据和复杂数据集时的性能。
2025-01-26 10:01:09
Stagehand – AI网页浏览框架，提供简单和可扩展的网页自动化解决方案
Stagehand是简单和可扩展的AI网页浏览框架，是Playwright的继承者，提供act、extract和observe三个简单的API，支持自然语言驱动的网页操作。Stagehand提供一个轻量级、可配置、模块化的框架，无需复杂抽象，支持不同模型和提供商。
2025-01-26 09:35:23
VideoTuna – AI视频生成应用代码库，支持多模型和全面的视频生成流程
VideoTuna是集成多种AI视频生成模型的代码库，支持文本到视频、图像到视频和文本到图像的转换。VideoTuna提供预训练、持续训练、后训练对齐和微调等全面视频生成流程，支持U-Net和DiT架构，并计划推出3D视频VAE及可控面部视频生成模型。
2025-01-24 13:18:15
ComfyUI-MochiEdit – 开源的AI视频编辑工具，支持视频转视频和局部编辑
ComfyUI-MochiEdit是基于ComfyUI和Genmo Mochi的开源视频编辑工具，基于将视频转换为噪声、重新采样实现视频编辑，支持局部编辑和视频转视频功能。用户能调整噪声校正强度、对齐强度等参数控制视频效果，与ComfyUI-MochiWrapper节点结合使用，实现更复杂的编辑需求。
2025-01-24 12:50:25
HiCo – 360 AI研究院推出的布局可控AI绘画模型
HiCo是360 AI研究院推出的基于扩散模型的层次化可控布局到图像生成模型，HiCo基于多分支结构设计，实现对对象位置和文本描述的精确控制。HiCo的关键特点在于进行空间解耦，有效地处理复杂布局，减少对象缺失和视角冲突等问题。
2025-01-24 12:26:47
Ferret-UI 2 – 苹果推出的跨平台UI理解多模态大语言模型
Ferret-UI 2是苹果公司推出的多模态大型语言模型，用在理解和交互移动用户界面。Ferret-UI 2能识别和理解各种移动设备屏幕上的UI元素，执行复杂的用户指令，实时观察用户在移动设备屏幕上的操作，随时准备提供帮助和执行任务。
2025-01-24 11:57:13
MMBench-Video – 上海AI Lab联合多所高校推出的长视频理解基准测试
MMBench-Video是新颖的长视频多题问答基准测试，是浙江大学、上海人工智能实验室、上海交通大学和香港中文大学联合推出的。MMBench-Video能全面评估大型视觉语言模型（LVLMs）在视频理解方面的能力，用包含丰富视频内容和细粒度能力评估的长视频，弥补现有基准测试在时序理解和复杂任务处理方面的不足。
2025-01-24 11:28:17
MiniMates – 轻量级AI数字人项目，支持语音和表情两种驱动模式
MiniMates是高性能的轻量级数字人驱动算法，具备语音和表情两种驱动模式，能在普通电脑上实现实时运行。基于先进的技术架构，提供极致的速度体验和个性化定制功能，支持用户根据、需求定制AI伙伴。MiniMates拥有卓越的性能和灵活性，为用户提供强大的数字人驱动解决方案，适用于多种应用场景。
2025-01-24 11:04:30
MotionCLR – AI动作编辑模型，根据文本提示生成相应的动作序列
MotionCLR是基于注意力机制的人体动作生成和编辑模型，能根据文本提示生成动作，支持用户进行交互式编辑，如动作强调、减弱、替换、擦除和风格转移。MotionCLR基于自注意力和交叉注意力机制理解和编辑动作，支持多样化的动作编辑任务，如动作强调 减弱、原地动作替换、基于示例的动作生成等。
2025-01-24 10:34:34
DocMind – 司马阅推出的文档智能大模型
DocMind是司马阅推出的文档智能大模型，基于Transformer结构，融合深度学习、NLP和CV技术，能处理富文本文档的复杂结构和视觉信息，提高信息抽取准确性。DocMind支持精准识别文档实体、捕捉文本依赖关系、深入理解文档内容，能与知识库结合，提升专业文档理解。
2025-01-24 10:11:28
人气排行
24小时排行
