BrowseComp – OpenAI 开源的 AI Agent 网络浏览能力基准
BrowseComp是什么 BrowseComp 是 OpenAI 开源的用于评估 AI Agent网络浏览能力的基准测试。包含 1266 个极具挑战性的问题，覆盖电影、科学与技术、艺术、历史、体育...
排序
NodeRAG – 开源基于异构图的智能检索与生成系统
NodeRAG是什么 NodeRAG 是基于异构图的检索增强生成（Retrieval-Augmented Generation，RAG）系统。通过构建包含多种节点类型的异构图，将文档信息和语言模型生成...
OminiControl – AI图像生成框架，实现图像主题控制和空间精确控制
OminiControl是什么 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...
GenMAC – 港大、清华联合微软推出文本到视频生成的多代理协作框架
GenMAC是什么 GenMAC是香港大学、清华大学和微软研究院推出的多代理协作的迭代框架，用在解决文本到视频生成中的复杂场景生成问题。基于将任务分解为设计、生成和重新设计三个阶段，在生成与重新设计之...
JoyGen – 京东和港大推出音频驱动的3D说话人脸视频生成框架
JoyGen是什么 JoyGen是京东科技和香港大学推出的，音频驱动的3D说话人脸视频生成框架，专注于实现精确的唇部与音频同步及高质量的视觉效果。JoyGen结合音频特征和面部深度图，驱动唇部运动的生...
WorldCraft – 港科大推出的3D虚拟世界创建和定制系统
WorldCraft是什么 WorldCraft是香港科技大学推出的基于大型语言模型（LLM）代理的3D世界创建和定制系统，用在创建和定制逼真的3D虚拟世界。基于自然语言交互，让用户能轻松生成复杂的室...
OpenAI o3 – OpenAI推出的新一代最强推理模型
OpenAI o3是什么 OpenAI o3模型是继o1之后的新一代推理模型，是 OpenAI 首次将图像推理融入思维链的模型，能直接在思维链中思考图像。用户可以上传模糊、颠倒或低质量的图像，模型依然...
AutoMouser – AI Chrome扩展程序，实时交互跟踪自动生成测试代码
AutoMouser是什么 AutoMouser是Chrome扩展程序，能智能地跟踪用户交互，基于OpenAI的GPT模型自动生成Selenium测试代码。通过记录用户的浏览器操作，如点击、拖动、悬停...
AnyCharV – 港中文联合清华等机构推出的角色可控视频生成框架
AnyCharV是什么 AnyCharV是香港中文大学、清华大学深圳国际研究生院、香港大学联合推出的角色可控视频生成框架，能将任意参考角色图像与目标驱动视频相结合，生成高质量的角色视频。AnyChar...
Omnitool – 开源 AI 桌面，支持多种主流AI平台和服务
Omnitool是什么 Omnitool是开源的AI桌面环境，为用户提供统一的交互界面，能快速接入和使用多种AI模型。Omnitool支持本地运行，能在Mac、Windows或Linux设备上安装，数...