DynaMem – 纽约大学和Hello Robot推出的动态空间语义记忆系统
DynaMem是什么 DynaMem是纽约大学和Hello Robot推出的动态空间语义记忆系统，专为开放世界中的移动操作设计。基于维护一个特征点云作为机器人记忆，处理环境中的动态变化，如物体的添加和...
排序
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是什么 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...
MiniRAG – 港大推出高效部署小语言模型的新型 RAG 系统
MiniRAG是什么 MiniRAG是香港大学推出的新型检索增强型生成（RAG）系统，专为在资源受限的场景下高效部署小型语言模型（SLMs）设计。MiniRAG基于两个关键技术实现这一目标：一是语义感...
Yuxi-Know – 基于大模型 RAG 知识库的 AI 知识图谱问答平台
Yuxi-Know是什么 Yuxi-Know（语析）是基于大模型RAG知识库与知识图谱技术构建的智能问答平台。Yuxi-Know支持多种知识库文件格式（如PDF、TXT、MD、Docx），支持将文件内...
DynaSaur – Adobe 推出的大语言模型代理框架
DynaSaur是什么 DynaSaur是Adobe Research推出的大型语言模型（LLM）代理框架，突破传统LLM代理系统受限于预定义动作集合的限制。框架支持代理动态创建和组合动作，基于生成和...
MagicDriveDiT – 华为联合港中文等机构推出的自动驾驶高分辨率长视频生成方法
MagicDriveDiT是什么 MagicDriveDiT是香港中文大学、香港科技大学、华为云和华为诺亚方舟实验室共同推出基于DiT架构的新型视频生成方法，专为自动驾驶应用设计，实现高分辨率和长视频...
SocioVerse – 复旦大学联合小红书等机构开源的社会模拟世界模型
SocioVerse是什么 SocioVerse（众生） 是复旦大学、上海创智学院、罗切斯特大学和小红书联合推出的社会模拟世界模型。基于大语言模型（LLM）驱动的智能体和包含1000万真实用户的数据池...
Emotion-LLaMA – 多模态情绪识别与推理模型，融合音频、视觉和文本输入
Emotion-LLaMA是什么 Emotion-LLaMA是多模态情绪识别与推理模型，融合了音频、视觉和文本输入，通过特定情绪编码器整合信息。模型基于修改版LLaMA，经指令调整以提升情感识别能力...
H-Optimus-0 – 法国初创公司Bioptimus开源的病理学AI基础模型
H-Optimus-0是什么 H-Optimus-0是法国初创公司Bioptimus发布的世界上最大的开源病理学AI基础模型。模型拥有11亿参数，是在专有数据集上训练的，数据集包含从4000个临床实践...
WorldSense – 小红书联合上海交大推出的多模态全面评测新基准
WorldSense是什么 WorldSense是小红书和上海交通大学推出的，用在评估多模态大型语言模型（MLLMs）在现实世界场景中对视觉、听觉和文本输入的综合理解能力的基准测试。WorldSens...