DeepSeek R1-Zero – DeepSeek推出的开源推理模型，基于纯强化学习训练
DeepSeek R1-Zero是什么 DeepSeek R1-Zero 是 DeepSeek 团队开发的完全依赖纯强化学习（RL）训练的推理模型，未使用任何监督微调（SFT）数据。在推理任务上表现出...
排序
UniFluid – 谷歌联合麻省理工推出的多模态图像生成与理解框架
UniFluid是什么 UniFluid 是谷歌 DeepMind 和麻省理工学院联合推出的，统一的自回归框架，用在联合视觉生成和理解任务。基于连续视觉标记处理多模态图像和文本输入，生成离散文本标记和...
WebDreamer – 基于大语言模型模拟网页交互增强网络规划能力的框架
WebDreamer是什么 WebDreamer是俄亥俄州立大学和Orby AI研究团队推出的基于模型规划的网络智能体，基于大型语言模型（LLMs），特别是GPT-4o，作为世界模型预测网站上的交互结...
PersonaMagic – 高保真人脸定制技术，根据肖像无缝生成新角色
PersonaMagic是什么 PersonaMagic 是创新的高保真人脸定制技术，通过阶段调节的文本条件策略实现个性化图像生成。基于简单多层感知机（MLP）网络学习一系列动态嵌入，在特定时间步间隔...
GEN3C – NVIDIA 联合多伦多大学等推出的生成式视频模型
GEN3C是什么 GEN3C 是NVIDIA、多伦多大学和向量研究所推出的新型生成式视频模型，基于精确的相机控制和时空一致性生成高质量的 3D 视频内容。GEN3C构建基于点云的 3D 缓存指导视频生...
Gemma 3 QAT – 谷歌推出的最新开源模型，Gemma 3 量化版
Gemma 3 QAT是什么 Gemma 3 QAT（Quantization-Aware Training）是谷歌推出的最新一代开源模型，是Gemma 3 的量化优化版本。通过量化感知训练技术，Ge...
Sa2VA – 字节跳动等机构开源的多模态大语言模型
Sa2VA是什么 Sa2VA是字节跳动联合加州大学默塞德分校、武汉大学和北京大学共同推出的多模态大语言模型，是SAM2和LLaVA结合而成，能实现对图像和视频的密集、细粒度理解。Sa2VA基于统一的任...
Vanna – 开源AI检索生成框架，自动生成精确的SQL查询
Vanna是什么 Vanna是开源的Python RAG（Retrieval-Augmented Generation）框架，能帮助用户基于大型语言模型（LLMs）为其数据库生成精确的SQL查询。Va...
VideoMaker – 浙大联合腾讯和华为推出的零样本定制视频生成框架
VideoMaker是什么 VideoMaker是浙江大学、腾讯和华为诺亚方舟实验室共同开发的创新项目，基于视频扩散模型（VDM）的零样本定制视频生成框架。与传统方法不同，VideoMaker无需额外...
Lumina-Video – 上海 AI Lab 和港中文推出的视频生成框架
Lumina-Video是什么 Lumina-Video是上海 AI Lab 和香港中文大学推出的视频生成框架，基于Next-DiT架构，针对视频生成中的时空复杂性进行优化。基于多尺度Next-DiT...