CodeDPO – 北京大学联合字节共同推出的代码生成优化框架
CodeDPO是什么 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...
排序
GPT-4o mini TTS – OpenAI 推出的文本转语音模型
GPT-4o mini TTS是什么 GPT-4o mini TTS 是 OpenAI 推出的轻量级文本转语音模型，支持将文本内容转换为自然流畅语音的同时，开发者能用指令控制语音的语调、情感和风格，例...
InfiMM-WebMath-40B – 字节联合中科院开源的超大规模多模态数据集
InfiMM-WebMath-40B是什么 InfiMM-WebMath-40B 是字节跳动和中国科学院联合开源的超大规模多模态数据集，旨在提升多模态模型的图文混合推理能力，在数学领域。数据集从 Co...
DrivingDojo – 中科院联合美团推出的交互式驾驶世界模型数据集
DrivingDojo是什么 DrivingDojo是中国科学院自动化研究所与美团无人车团队合作推出的数据集，用在训练和研究复杂的自动驾驶交互式世界模型。数据集包含18,000个视频片段，覆盖完整的驾...
AutoRAG – 中科院开源的自主迭代检索模型
AutoRAG是什么 AutoRAG是中国科学院计算技术研究所（ICT/CAS）、中国科学院的人工智能安全重点实验室及中国科学院大学的研究人员共同推出的新型自主迭代检索模型，专为大型语言模型（LLMs...
CAD-MLLM – 上海科技大学联合多机构推出的计算机辅助设计CAD模型生成系统
CAD-MLLM是什么 CAD-MLLM是由上海科技大学、Transcengram、DeepSeek AI和香港大学共同推出的，计算机辅助设计（CAD）模型生成系统，根据用户的多种输入（如文本描述、图...
Fancy123 – 华中科技和华南理工推出的3D网格生成技术
Fancy123是什么 Fancy123是华中科技大学和华南理工大学推出的3D网格生成技术，基于即插即用的变形技术从单张图片生成高质量的3D网格。该方法包含两个增强模块和反投影操作，分别解决多视图图像...
TPO – AI优化框架，动态调整推理模型的输出，更符合人类偏好
TPO是什么 TPO（Test-Time Preference Optimization）是新型的AI优化框架，在推理阶段对语言模型输出进行动态优化，更符合人类偏好。TPO通过将奖励信号转化为文本反馈...
DINO-XSeek – IDEA 研究院推出的多模态目标检测模型
DINO-XSeek是什么 DINO-XSeek 是 IDEA 研究院推出的多模态目标检测模型，结合视觉感知和自然语言理解能力。DINO-XSeek基于复杂的语言描述精准定位图像中的目标，识别目标的属...
Gemini Diffusion – 谷歌推出的文本扩散模型
Gemini Diffusion是什么 Gemini Diffusion是谷歌推出的实验性文本扩散模型。与传统自回归模型逐词生成文本不同，基于逐步细化噪声生成输出，能快速迭代纠正错误，让Gemini ...