WebLI-100B – 谷歌 DeepMind 推出的1000亿视觉语言数据集
WebLI-100B是什么 WebLI-100B是Google DeepMind推出的包含1000亿图像-文本对的超大规模数据集，用在预训练视觉语言模型（VLMs）。WebLI-100B是WebLI数...
排序
BAG – 港中文联合腾讯推出的3D可穿戴资产生成技术
BAG是什么 BAG（Body-Aligned 3D Wearable Asset Generation）是香港中文大学和腾讯联合提出创新的3D可穿戴资产生成技术，通过结合多视图图像扩散模型和控制网络...
通古大模型 – 华南理工大学推出的古籍大语言模型
通古大模型是什么 通古大模型是华南理工大学深度学习与视觉计算实验室（SCUT-DLVCLab）推出的专注于古籍文言文处理的人工智能语言模型。基于百川2-7B-Base进行增量预训练，使用24.1亿古籍...
ENEL – 上海 AI Lab 推出的无编码器3D大型多模态模型
ENEL是什么 ENEL（Exploring the Potential of Encoder-free Architectures in 3D LMMs）是创新的无编码器3D大型多模态模型（3D L...
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...
NobodyWho – AI游戏引擎插件，本地运行 LLM 实现互动小说创作
NobodyWho是什么 NobodyWho是为 Godot 游戏引擎设计的插件，通过本地运行的大型语言模型（LLM）实现互动小说创作。支持 Windows、Linux 和 macOS 平台，用户无需...
PIKE-RAG – 微软亚洲研究院推出的检索增强型生成框架
PIKE-RAG是什么 PIKE-RAG（sPecIalized KnowledgE and Rationale Augmented Generation）是微软亚洲研究院推出的检索增强型生成框架，能...
Collaborative Gym – 支持人与AI代理实时交互协作的评估框架
Collaborative Gym是什么 Collaborative Gym（Co-Gym）是专注于人机协作（Human-Agent Collaboration）的框架，支持人类与AI代理之间的实时交...
TIGER – 清华大学推出的轻量级语音分离模型
TIGER是什么 TIGER（Time-frequency Interleaved Gain Extraction and Reconstruction Network）是清华大学研究团队提出的轻量级...
NPOA – 开源舆情检测工具，实时监控网络舆情与分析
NPOA是什么 NPOA 是开源的功能强大的舆情监测工具，可以帮助用户实时监控网络舆情，了解公众对特定话题或品牌的看法。系统基于先进的自然语言处理技术，可以分析大量的网络数据，提供可视化的舆情分析报告...