TripoSF – VAST AI 开源的新一代 3D 基础模型
TripoSF是什么 TripoSF是VAST推出的新一代3D基础模型，突破传统3D建模在细节、复杂结构和扩展性上的瓶颈。采用SparseFlex表示方法，结合稀疏体素结构，仅在物体表面附近的区域存储...
排序
Multi-SWE-bench – 字节豆包开源的多语言代码修复基准
Multi-SWE-bench是什么 Multi-SWE-bench 是字节跳动豆包大模型团队开源的首个多语言代码修复基准。在SWE-bench基础上，首次覆盖Python之外的7种主流编程语言，包括...
The Language of Motion – 斯坦福李飞飞团队推出的统一多模态语言模型
The Language of Motion是什么 The Language of Motion是斯坦福大学李飞飞团队推出的多模态语言模型，能整合人类动作中的言语和非言语语言。模型能处理文本、语音和动...
R2R – AI 检索增强生成应用开发平台，支持多模态内容处理、混合搜索、知识图谱构建
R2R是什么 R2R是先进的AI检索系统，专注于Retrieval-Augmented Generation（增强型检索生成）。R2R集成多模态内容摄取、混合搜索、知识图谱构建、GraphRAG聚类分...
Memory Layers – Meta 开源不增加算力时增加大模型的参数方法
Memory Layers是什么 Memory Layers是Meta推出的用可训练的键值查找机制为模型增加额外参数的方法，它不会增加浮点运算次数（FLOPs）。基于稀疏激活Memory Layers...
MAETok – 港大联合北大等机构推出的自动编码器
MAETok是什么 MAETok（Masked Autoencoders Tokenizer）是卡内基梅隆大学、香港大学、北京大学等机构推出的扩散模型的新型图像标记化方法。MAETok基于掩码建模（M...
OThink-MR1 – OPPO联合港科大推出的多模态语言模型优化框架
OThink-MR1是什么 OThink-MR1是OPPO研究院和香港科技大学（广州）联合推出的多模态语言模型优化框架。基于动态调整Kullback-Leibler（KL）散度策略（GRPO-D）和奖...
RAGEN – 训练大模型推理 Agent 的开源强化学习框架
RAGEN是什么 RAGEN是开源的强化学习框架，用于在交互式、随机环境中训练大型语言模型（LLM）推理Agent。基于StarPO（State-Thinking-Action-Reward Poli...
TANGOFLUX – 英伟达联合新加坡科技设计大学开源的文本到音频生成模型
TANGOFLUX是什么 TANGOFLUX是高效的文本到音频生成模型，是新加坡科技设计大学（SUTD）和NVIDIA共同推出的。模型拥有约5.15亿参数，能在单个A40 GPU上仅用3.7秒生成长达...
RealtimeSTT – AI实时语音转文本库，自动检测说话的开始与结束
RealtimeSTT是什么 RealtimeSTT是开源的实时语音转文本库，专为低延迟应用设计。有强大的语音活动检测功能，可自动识别说话的开始与结束，通过WebRTCVAD和SileroVAD进行精...