STIV – 苹果公司推出的视频生成大模型
STIV是什么 STIV（Scalable Text and Image Conditioned Video Generation）是苹果公司推出的视频生成大模型。STIV拥有8.7亿参数，能处理文本...
排序
Mind GPT-3o – 理想汽车推出的多模态端到端大模型
Mind GPT-3o是什么 Mind GPT-3o是理想汽车推出的多模态端到端大模型，融合语音、视觉和语言理解技术，实现高效实时交互。Mind GPT-3o具备记忆、规划、工具使用和表达能力，能提升...
DeepSeek Engineer – 开源AI编程助手，处理用户对话生成结构化JSON
DeepSeek Engineer是什么 DeepSeek Engineer 是集成DeepSeek API 的AI编程助手，基于命令行界面让用户能读取本地文件、创建新文件及实时对现有文件进行差异编辑...
Miras – 谷歌推出的深度学习架构设计通用框架
Miras是什么 Miras是谷歌推出的用在深度学习架构设计的通用框架，特别是序列建模任务。Miras基于关联记忆和注意力偏差的概念，将Transformer、现代线性RNN等模型重新定义为具有内部优...
RAG Logger – 专为检索增强生成应用设计的开源日志工具
RAG Logger是什么 RAG Logger是开源的日志记录工具，专为检索增强生成（RAG）应用设计。作为LangSmith的轻量级替代品，专注于满足RAG应用的日志记录需求。RAG Logger...
3DIS-FLUX – 浙大联合哈佛推出的多实例生成框架
3DIS-FLUX是什么 3DIS-FLUX是基于深度学习的多实例生成框架，通过解耦实例合成实现高质量的图像生成。结合3DIS框架的深度驱动场景构建和FLUX模型的扩散变换器架构，分为两阶段：首先生成...
Agentic Reasoning – 牛津大学推出增强LLM推理能力的框架
Agentic Reasoning是什么 Agentic Reasoning是牛津大学推出的增强大型语言模型（LLM）推理能力的框架。基于整合外部工具（如网络搜索、代码执行和结构化记忆）解决复杂的多步...
OpenScholar – 华盛顿大学联合艾伦研究所开源的学术搜索工具
OpenScholar是什么 OpenScholar是华盛顿大学和艾伦AI研究所共同推出的检索增强型语言模型（LM），能帮助科学家基于检索和综合科学文献中的相关论文回答问题。系统用大规模的科学论文数据...
WiS – 淘天联合阿里研究团队推出的多智能体博弈游戏平台
WiS是什么 WiS（Who is Spy）是淘天集团和阿里的技术研究团队推出的创新在线AI竞赛平台，专门设计用在测试和分析基于大型语言模型（LLMs）的多智能体系统（MAS）。WiS模拟“谁是卧底...
TryOffAnyone – 将模特穿着服装的图像还原成平铺商品图的 AI 工具
TryOffAnyone是什么 TryOffAnyone是能将穿着服装的人物照片转换成平铺的服装展示图的AI工具。基于先进的Latent Diffusion Models技术，自动识别并提取照片中的服...