最新AI教程资讯
Devika – 开源的AI编程工具，理解和执行复杂的人类指令
Devika是开源的AI编程助手，能理解并拆分复杂指令，基于集成AI搜索和网页浏览能力搜集信息，编写代码实现目标。Devika支持多种AI模型，具备高级规划推理能力，能进行上下文关键词提取、多语言代码编写，并提供动态状态追踪与可视化。
2025-01-14 12:06:57
iDP3 – 斯坦福大学联合多所高校推出的改进型3D视觉运动策略
iDP3（Improved 3D Diffusion Policy）是斯坦福大学联合多所高校推出的3D视觉运动策略，能提升人形机器人在多样化环境中的自主操作能力。与传统3D策略不同，iDP3基于自我中心的3D视觉表征，摒弃对精确相机校准和点云分割的需求，让机器人能灵活地在真实世界中执行任务。
2025-01-14 11:45:06
Proactive Agent – 清华联合面壁智能开源的新一代主动Agent交互范式
Proactive Agent是清华大学联合面壁智能等团队推出的新一代主动Agent交互范式 ，具备主动性，能预测用户需求并在没有直接指令的情况下采取行动。Proactive Agent观察环境和用户行为，推断出潜在的任务，并自主提供帮助。
2025-01-14 11:22:25
EMOVA – 华为诺亚方舟联合多所高校共同推出的多模态全能处理模型
EMOVA（EMotionally Omni-present Voice Assistant）是多模态全能模型，是香港科技大学、香港大学和华为诺亚方舟实验室等机构共同推出的。EMOVA能处理图像、文本和语音模态，实现能看、能听、会说的全模态交互。
2025-01-14 10:55:02
OminiControl – AI图像生成框架，实现图像主题控制和空间精确控制
OminiControl是高度通用且参数高效的图像生成框架，为扩散变换器模型如FLUX 1设计，实现对图像生成过程的精细控制。OminiControl支持主题驱动控制和空间控制，例如边缘引导和绘画生成，仅需在基础模型中增加0 1%的参数。
2025-01-14 10:31:35
Talker-Reasoner – 谷歌DeepMind推出的双思维AI代理架构
Talker-Reasoner是谷歌DeepMind推出的AI代理架构，借鉴人类的认知理论，将代理分为两个模块：Talker和Reasoner。Talker模拟人类的快速直觉思维（System 1），处理即时对话和反应；Reasoner模仿缓慢的逻辑推理（System 2），负责复杂的多步规划和决策。
2025-01-14 10:07:17
Diffusion Self-Distillation – 斯坦福大学推出的零样本定制图像生成技术
Diffusion Self-Distillation（DSD）是创新的零样本定制图像生成技术，用预训练的文本到图像扩散模型自动生成数据集，并将其微调为能进行文本条件的图像到图像任务的模型。Diffusion Self-Distillation基于生成图像网格和视觉语言模型筛选，创建出高质量的配对数据集，进而在无需人工干预的情况下，实现在任意上下文中对任意实例进行身份保持的定制图像生成。
2025-01-14 09:39:49
Open Materials 2024 – Meta 开源的大型开放数据集和配套预训练模型
Open Materials 2024 (OMat24) 是Meta推出的包含超过1 1亿个结构的密度泛函理论(DFT)计算的大型开放数据集，专注于无机材料的结构和成分多样性。附带预训练的图神经网络模型EquiformerV2，模型在Matbench Discovery排行榜上展现了优异的性能，能预测材料的基态稳定性和形成能，推动AI在材料科学领域的应用。
2025-01-13 17:43:04
CodeDPO – 北京大学联合字节共同推出的代码生成优化框架
CodeDPO是北京大学与字节跳动合作推出的代码生成优化框架，能提升代码模型在正确性和效率方面的表现。框架基于自生成和验证机制，同时构建和评估代码及其测试用例，用PageRank算法迭代更新代码片段的排名，最终形成基于正确性和效率优化的数据集
2025-01-13 17:18:45
Voice-Pro – 开源AI音频处理工具，集成转录、翻译、TTS等一站式服务
Voice-Pro是开源的多功能音频处理工具，集成语音转文字（STT）、文本转语音（TTS）、实时翻译、YouTube视频下载和人声分离等多种功能。工具支持超过100种语言，适用于教育、娱乐和商业等多个领域，为用户提供一站式的音频处理解决方案，极大地提高工作效率和音频处理的便捷性。
2025-01-13 16:49:45
Generative Omnimatte – 谷歌联合马里兰大学等机构推出的视频分解技术
Generative Omnimatte 是 Google DeepMind 等机构推出的视频编辑技术，能将视频智能分解为多个透明背景的RGBA图层，每个图层对应一个物体及其相关效果（如阴影、反射等）。这项技术无需绿幕或深度信息，能实现物体与背景的精确分离，甚至处理被遮挡的部分。
2025-01-13 16:28:05
GLM-PC – 智谱推出的电脑智能体，基于CogAgent视觉多模态模型构建
GLM-PC是智谱AI基于CogAgent视觉多模态模型开发的通用Agent，能模拟人类操作计算机，实现“无人驾驶”PC的技术探索。GLM-PC能执行预定会议、文档处理、网页搜索总结等任务，并支持远程和定时操作。GLM-PC能模拟人眼看、脑规划、手执行的方式使用电脑，具备跨平台能力，不依赖HTML或API，有更高的能力上限。
2025-01-13 16:04:47
TryOffDiff – AI虚拟试穿技术，单张穿着者图片生成标准化服装图像
TryOffDiff（VTOFF）是基于扩散模型的新型虚拟试穿技术，用高保真服装重建实现虚拟试穿，专注于从单张穿着者照片生成标准化的服装图像。与传统的Virtual Try-On技术不同，TryOffDiff的目标是从参考图像中提取出规范的服装图像。
2025-01-13 15:42:12
GLM-Edge – 智谱开源的端侧大语言和多模态系列模型
GLM-Edge是智谱开源的一系列端侧部署优化的大语言对话模型和多模态理解模型，包含GLM-Edge-1 5B-Chat、GLM-Edge-4B-Chat、GLM-Edge-V-2B和GLM-Edge-V-5B。1 5B 2B模型主要面向手机、车机等平台、4B 5B 模型主要面向PC等平台。基于GLM-4系列技术积累，调整模型结构和尺寸，实现模型性能、实机推理效果和落地便利性之间的最佳平衡。
2025-01-13 15:12:32
FlagevalMM – 智源开源的多模态模型评测框架
FlagEvalMM是北京智源人工智能研究院开源的多模态模型评测框架，能全面评估处理文本、图像、视频等多种模态的模型，支持多种任务和指标。框架采用评测与模型推理解耦的设计，统一视觉语言模型、文生图、文生视频和图文检索等多种模型的评测流程，提升评测效率，便于快速适配新任务和模型。
2025-01-13 14:44:28
Delta-CoMe – 清华联合 OpenBMB 等高校开源的新型增量压缩算法
Delta-CoMe是清华大学NLP实验室联合OpenBMB开源社区、北京大学和上海财经大学提出的新型增量压缩算法，一个80G的A100 GPU能轻松加载多达50个7B模型，节省显存约8倍，同时模型性能几乎与压缩前的微调模型相当。Delta-CoMe基于结合低秩分解和低比特量化技术，用模型参数增量（Delta）的低秩特性，实现混合精度压缩
2025-01-13 14:23:38
Agent-E – 基于AutoGen代理框架构建的AI浏览器自动化系统
Agent-E是基于AutoGen代理框架构建的智能自动化系统，专注于浏览器内的自动化操作。Agent-E基于自然语言交互，能执行填写表单、搜索排序电商产品、定位网页内容、管理网络媒体播放、进行深度网络搜索、自动化项目管理任务及提供个人购物协助等多种复杂任务。
2025-01-13 13:56:12
Magic Copy – 开源的AI抠图工具，在浏览器中自动识别图像进行抠图
Magic Copy是开源的抠图工具，支持Chrome浏览器扩展，基于Meta的Segment Anything Model技术，从图像中自动识别并提取前景对象，并将对象复制到用户的剪贴板中。Magic Copy简化了从图片中提取特定元素的过程，无需手动编辑图片，提高工作效率。
2025-01-13 13:30:00
NSFW Detector – 开源 AI 不适宜内容检测工具，支持识别图像、PDF、视频文件
NSFW Detector（Not Safe For Work，简称 NSFW）是开源的检测不适宜内容工具，NSFW Detector能识别图像、PDF、视频文件中的不适宜内容。工具基于Google的vit-base-patch16-224-in21k模型，支持仅CPU推理，无需GPU，可在多数服务器上运行。
2025-01-13 13:02:45
MultiFoley – Adobe 联合密歇根大学推出的音效生成系统
MultiFoley是Adobe Research和密歇根大学共同推出的音效生成系统，能基于文本、音频和视频的多模态控制生成Foley声音效果。系统支持用户根据文本提示、参考音频或部分视频来定制和生成与视频同步的声音，从而增强视频观看体验。
2025-01-13 12:40:33
人气排行
24小时排行
