最新AI教程资讯
MCP – Anthropic 开源的模型上下文协议
MCP（Model Context Protocol，模型上下文协议）是一个开放协议，是Anthropic开源的，能实现大型语言模型（LLM）应用与外部数据源和工具之间的无缝集成。基于客户端-服务器架构，支持多个服务连接到任何兼容的客户端，提供标准化的、通用的协议共享资源、工具和提示。
2025-01-15 19:45:45
LazyGraphRAG – 微软推出的图形增强生成增强检索框架
LazyGraphRAG是微软研究院推出的图形增强生成增强检索（RAG）框架，是GraphRAG的迭代版本。LazyGraphRAG在数据索引成本上大幅降低，是GraphRAG的0 1%，同时用新的混合数据搜索方法，提高生成结果的准确率和效率。
2025-01-15 19:16:15
LEOPARD – 腾讯AI Lab西雅图实验室推出的视觉语言模型
LEOPARD是腾讯AI Lab西雅图实验室推出的视觉语言模型，专为理解和处理含有大量文本的多图像任务设计。LEOPARD基于两个主要技术创新：一是策划约一百万条专门针对文本丰富、多图像场景的高质量多模态指令调优数据集；二是开发自适应高分辨率多图像编码模块，动态优化视觉序列长度分配。
2025-01-15 18:48:56
书生InternThinker – 上海 AI Lab 推出的强推理模型
书生InternThinker是上海人工智能实验室推出的强推理模型，具备自主生成高智力密度数据和元动作思考能力。基于长思维能力和自我反思、纠正机制，在数学、代码、推理谜题等多种复杂任务上表现出色。模型用通专融合技术，基于大规模沙盒环境获取反馈，提升复杂任务处理性能。
2025-01-15 18:22:13
Pangea – 卡内基梅隆大学开源的多语言多模态大语言模型
Pangea是卡内基梅隆大学团队推出的多语言多模态大型语言模型（LLM），能提升全球语言和文化多样性的覆盖。模型包含600万条指令的多样化数据集，支持39种语言，包含高质量英文指令、机器翻译指令及文化相关任务。Pangea基于包含14个数据集、覆盖47种语言的PangeaABench评估套件进行性能评估。
2025-01-15 17:54:49
MobA – 上海交通大学推出的移动智能体
MobA（Mobile Agent）是上海交通大学团队推出的新型移动智能体，基于多模态大型语言模型（MLLMs）提升移动设备的自动化任务执行能力。MobA采用两级架构：高级全局智能体（GA）负责理解用户指令、管理历史记录和规划任务；低级局部智能体（LA）根据GA的规划执行具体动作。
2025-01-15 17:33:38
SlideChat – 上海AI Lab联合多所高校和机构推出的视觉语言助手
SlideChat是上海AI实验室、厦门大学、华东师范大学等机构推出的，首个能理解千兆像素级别全切片图像的视觉语言助手。SlideChat能生成详尽的全切片图像描述，并针对多样化的病理场景提供具有上下文关联的复杂指令响应。基于训练，SlideChat在多个临床任务中展现出卓越的性能，包括显微镜检查、诊断等。
2025-01-15 16:38:33
Fugatto – 英伟达推出的多功能AI音频生成模型
Fugatto是英伟达（NVIDIA）推出的音频合成和转换模型，全称为"Foundational Generative Audio Transformer Opus 1"。模型能根据文本提示生成音频或视频，接收并修改现有的音频文件。Fugatto模型具有强大的能力，例如将钢琴旋律转换成人声演唱版本，或者改变口语录音中的口音和情绪表达。
2025-01-15 16:11:59
LongRAG – 智谱联合清华和中科院推出的双视角鲁棒检索框架
LongRAG是清华大学、中国科学院和智谱的研究团队推出的，面向长文本问答（LCQA）的双视角鲁棒检索增强生成（RAG）框架。基于混合检索器、LLM增强信息提取器、CoT引导过滤器和LLM增强生成器四个组件，有效解决长文本问答中的全局上下文理解和事实细节识别难题。
2025-01-15 15:45:20
Illustrious – 开源文本到图像生成模型，专注于生成高质量动漫风格图像
Illustrious是开源的文本到图像动漫图像生成模型，是Onoma AI Research推出的。基于优化批量大小、dropout控制、训练图像分辨率和多级标题等关键方法，实现高分辨率、动态色域和高还原能力的图像生成。模型在动画风格的表现上超越如Stable Diffusion XL和其他一些广泛使用的动漫图像生成模型，并支持易于定制和个性化的开源特性。
2025-01-15 15:21:48
aisuite – 吴恩达发布开源Python库，一个接口调用多个大模型
aisuite是开源的Python库，吴恩达（Andrew Ng）发布的，旨在提供一个统一的接口来调用多个大型语言模型（LLM）服务。支持包括OpenAI、Anthropic、Azure等在内的11个模型平台，开发者能轻松切换和测试不同提供商的模型。
2025-01-15 15:01:25
XGrammar – 陈天奇团队推出的LLM结构化生成引擎
XGrammar是由陈天奇团队推出的开源软件库，能为大型语言模型（LLM）提供高效、灵活且可移植的结构化数据生成能力。基于上下文无关语法（CFG）定义结构，支持递归组合以表示复杂结构，适合生成JSON、SQL等格式数据。XGrammar用字节级下推自动机优化解释CFG，减少每token延迟，实现百倍加速，几乎无额外开销。
2025-01-15 14:40:49
Edify 3D – NVIDIA 推出的3D生成模型
Edify 3D 是 NVIDIA 推出的先进3D资产生成方案，能从文本提示或参考图像快速合成高质量的3D模型。Edify 3D能在两分钟内生成具有详细几何形状、清晰拓扑结构、高分辨率纹理和PBR材质的3D资产，支持视频游戏设计、扩展现实、模拟等多个领域应用。
2025-01-15 14:20:25
SongCreator – AI音乐模型，能理解、生成和编辑歌曲
SongCreator是清华大学深圳国际研究生院、香港中文大学等机构推出的AI音乐生成模型，能从歌词出发生成包含声乐和伴奏的完整歌曲。
2025-01-15 13:58:36
Teacher2Task – 谷歌推出的多教师学习框架
Teacher2Task是谷歌团队推出的多教师学习框架，引入教师特定的输入标记和重新构思训练过程，消除对手动聚合启发式方法的需求。框架不依赖聚合标签，将训练数据转化为N+1个任务，包括N个辅助任务预测每位教师的标记风格，及一个主要任务关注真实标签。
2025-01-15 13:31:53
DynaSaur – Adobe 推出的大语言模型代理框架
DynaSaur是Adobe Research推出的大型语言模型（LLM）代理框架，突破传统LLM代理系统受限于预定义动作集合的限制。框架支持代理动态创建和组合动作，基于生成和执行Python代码与环境互动，实现更灵活的问题解决。DynaSaur能积累生成的动作，构建可重用的函数库，提高未来任务的效率和适应性。
2025-01-15 13:05:31
Takin AudioLLM – 喜马拉雅推出的系列零样本语音生成模型
Takin AudioLLM是喜马拉雅Everest团队推出的一系列高质量零样本语音生成模型，包括Takin TTS、Takin VC和Takin Morphing。模型用最新的大型语言模型技术，专注于有声书制作，能生成接近真人的高保真语音，支持个性化定制。Takin TTS用在生成富有表现力的音频内容，Takin VC负责声音的音色转换，Takin Morphing提供声音风格转换功能。
2025-01-15 12:41:31
AutoTrain – Hugging Face 开源的无代码模型训练平台
AutoTrain（AutoTrain Advanced）是Hugging Face推出的开源无代码平台，能简化最先进模型的训练过程。支持用户无需编写代码即可创建、微调和部署自己的AI模型，只需上传数据即可训练自定义机器学习模型。AutoTrain提供简单的界面，支持用户无需编码知识即可训练模型，自动处理训练中的复杂任务，如超参数调整和模型验证。
2025-01-15 12:18:00
CAMPHOR – 苹果推出的端侧小语言模型多智能体框架
CAMPHOR是苹果团队推出的端侧小语言模型（SLM）多智能体框架，能提升移动设备的隐私保护和响应速度。框架基于在设备本地处理多个用户输入并进行个人上下文推理，确保用户隐私安全。CAMPHOR基于分层架构，其中高阶推理智能体负责分解复杂任务，并协调专家智能体执行个人上下文检索、工具交互和动态计划生成。
2025-01-15 11:56:24
ACE – 阿里通义实验室推出的全能图像生成和编辑模型
ACE（All-round Creator and Editor）是阿里巴巴集团Tongyi Lab推出的基于扩散变换器的全能图像生成和编辑模型。ACE引入长上下文条件单元（LCU）和统一条件格式，能理解和执行自然语言指令，实现广泛的视觉生成任务。
2025-01-15 11:27:07
人气排行
24小时排行
