最新AI教程资讯
BlockDance – 复旦联合字节推出的扩散模型加速方法
BlockDance 是复旦大学联合字节跳动智能创作团队推出的用在加速扩散模型的新方法。BlockDance 基于识别重用相邻时间步中结构相似的时空特征（STSS），减少冗余计算，提升推理速度，最高加速 50%。
2025-04-27 12:28:13
Reve Image – Reve 推出的全新 AI 图像生成模型
Reve Image 是 Reve 推出的全新 AI 图像生成模型。专注于提升美学表现、精确的提示遵循能力以及出色的排版设计，能生成高质量的视觉作品。模型在生成图像时展现出强烈的设计感，作品简洁大气，具有海报风格的视觉冲击力。
2025-04-27 12:08:13
StarVector – 开源多模态视觉语言模型，支持图像和文本到 SVG 生成
StarVector 是开源的多模态视觉语言模型，ServiceNow Research、Mila - Quebec AI Institute 和 ETS Montreal 联合开发，专注于将图像和文本转换为可缩放矢量图形（SVG）代码。 模型采用多模态架构，能同时处理图像和文本信息，直接在 SVG 代码空间中操作，生成标准的、可编辑的 SVG 文件。
2025-04-27 11:48:13
LHM – 阿里通义开源的单图生成可动画3D人体模型
LHM（Large Animatable Human Reconstruction Model）是阿里巴巴通义实验室推出的从单张图像重建可动画化3D人体模型。基于多模态Transformer架构，融合3D几何特征和2D图像特征，用注意力机制保留服装几何与纹理细节，推出头部特征金字塔编码方案增强面部细节恢复能力。
2025-04-27 11:28:13
瀚海智语 – 海洋垂直领域大模型，基于360 智脑和 DeepSeek 研发
瀚海智语（OceanDS）是国家海洋环境预报中心联合海洋出版社和三六零数字安全科技共同推出的国内首个海洋垂直领域大语言模型，模型以360智脑13B和Deepseek-R1-70B大模型为基座，专注于海洋领域的应用。
2025-04-27 11:08:14
Qwen2.5-VL-32B – 阿里开源的最新多模态模型
Qwen2 5-VL-32B是阿里巴巴开源的多模态模型，参数规模为32B。模型在Qwen2 5-VL系列的基础上，基于强化学习优化，具备更符合人类偏好的回答风格、显著提升的数学推理能力，及更强的图像细粒度理解和推理能力。
2025-04-27 10:48:13
AndroidGen – 智谱推出增强大语言模型 Agent 能力的框架
AndroidGen 是智谱技术团队推出增强基于大语言模型（LLM）的 Agent 能力的框架，特别是在数据稀缺的情况下。框架通过收集人类任务轨迹基于这些轨迹训练语言模型，开发出无需人工标注轨迹的 Agent，显著提升 LLM 执行复杂任务的能力。
2025-04-27 10:28:13
ReasonGraph – 开源可视化与分析LLMs推理过程的AI工具
ReasonGraph 是用在可视化和分析大语言模型（LLMs）推理过程的开源网络平台。ReasonGraph支持超过 50 种主流模型（如 Anthropic、OpenAI、Google 等），涵盖多种推理方法（包括顺序推理和树形推理）。基于直观的用户界面，ReasonGraph 将复杂的推理路径转化为清晰的图表，实时更新推理过程，帮助用户快速理解 AI 的思考逻辑，检测错误优化模型表现。
2025-04-27 10:08:13
Gemini 2.5 Pro – 谷歌推出的最新 AI 思考模型
Gemini 2 5 Pro 是谷歌推出的最新 AI 模型，是一个“思考模型”，能在回应前进行推理，提升性能和准确性。模型在多个基准测试中表现卓越，在推理和代码生成方面，例如在 LMArena 排行榜上位居第一。
2025-04-27 09:48:13
pdf-craft – 开源 PDF 转 Markdown 工具
pdf-craft 是用在将 PDF 文件转换为其他格式（如 Markdown、EPUB）的工具，专注于处理扫描书籍的 PDF 文件。pdf-craft 支持提取正文内容，过滤掉页眉、页脚、脚注等非正文元素。基于结合 DocLayout-YOLO 算法和 PaddleOCR 文本识别技术，pdf-craft 能有效处理跨页问题，生成语义通顺的文本。
2025-04-27 09:28:13
TaoAvatar – 阿里推出的实时高清3D全身对话数字人技术
TaoAvatar是阿里巴巴集团研究团队推出的高保真、轻量级的3D全身对话虚拟人技术。基于3D高斯溅射技术，能生成照片级逼真的3D全身虚拟形象，支持高分辨率渲染且存储需求低。
2025-04-27 09:08:13
Mureka O1 – 昆仑万维推出的音乐推理大模型
Mureka O1是昆仑万维发布的全球首款音乐推理大模型，全球首个引入“思维链”（Chain of Thought，CoT）技术的音乐模型，Mureka O1在推理过程中加入思考与自我批判机制，大幅提升了音乐品质、创作效率和灵活性。
2025-04-26 15:35:39
Mureka V6 – 昆仑万维推出的AI音乐创作基座模型
Mureka V6是昆仑万维推出的AI音乐创作平台的基座模型，支持纯音乐生成以及10种语言的AI音乐创作。引入自研的ICL（in-context learning）技术，使声场更加开阔，人声质感和混音设计进一步强化。
2025-04-26 15:15:39
Video-T1 – 清华联合腾讯推出的视频生成技术
Video-T1 是清华大学和腾讯的研究人员共同推出的视频生成技术，基于测试时扩展（Test-Time Scaling，TTS）提升视频生成的质量和一致性。传统视频生成模型在训练后直接生成视频，Video-T1 在测试阶段引入额外计算资源，基于动态调整生成路径优化视频质量。
2025-04-26 14:55:40
Fin-R1 – 上海财经联合财跃星辰推出的金融推理大模型
Fin-R1是上海财经大学联合财跃星辰推出的首个金融领域R1类推理大模型。基于7B参数的Qwen2 5-7B-Instruct架构，通过在金融推理场景的高质量思维链数据上进行SFT和RL两阶段训练，有效提升金融复杂推理能力。
2025-04-26 14:35:39
Oliva – 开源语音RAG助手，实时语音搜索向量数据库
Oliva 是开源的语音RAG助手，结合 Langchain 和 Superlinked 技术，基于语音驱动的 RAG（检索增强生成）架构，帮助用户在 Qdrant 向量数据库中实时搜索信息。用户基于自然语音提问，Oliva 用语音转文本和实时语音通信技术，将语音指令转化为对数据库的查询，返回结构化结果。
2025-04-26 14:15:40
Qwen2.5-Omni – 阿里开源的端到端多模态模型
Qwen2 5-Omni 是阿里开源的 Qwen 系列旗舰级多模态模型，拥有7B参数，Qwen2 5-Omni具备强大的多模态感知能力，能处理文本、图像、音频和视频输入，支持流式文本生成与自然语音合成输出，能实现实时语音和视频聊天。
2025-04-26 13:55:39
Cosmos-Reason1 – NVIDIA推出的系列多模态大语言模型
Cosmos-Reason1 是 NVIDIA 推出的一系列多模态大型语言模型，基于物理常识和具身推理理解物理世界。Cosmos-Reason1包括两个模型：Cosmos-Reason1-8B 和 Cosmos-Reason1-56B。模型基于视觉输入感知世界，经过长链思考后生成自然语言响应，涵盖解释性见解和具身决策（如下一步行动）。
2025-04-26 13:35:39
RF-DETR – Roboflow推出的实时目标检测模型
RF-DETR是Roboflow推出的实时目标检测模型。RF-DETR是首个在COCO数据集上达到60+平均精度均值（mAP）的实时模型，性能优于现有的目标检测模型。RF-DETR结合LW-DETR与预训练的DINOv2主干，具备强大的领域适应性。
2025-04-26 13:15:39
Bolt3D – 牛津大学联合谷歌推出的 3D 场景生成技术
Bolt3D 是谷歌研究院、牛津大学 VGG 团队和谷歌 DeepMind 联合推出的新型 3D 场景生成技术，是潜在扩散模型，能在单个 GPU 上，仅需不到七秒的时间，直接从一张或多张图像中采样出 3D 场景表示。
2025-04-26 12:55:39
人气排行
24小时排行
