AI項目和框架

Hunyuan3D-1.0 是騰訊推出的一款3D生成模型，具備文本和圖像輸入條件，支持高質量的3D資產生成。該模型采用兩階段方法，首先使用多視角擴散模型生成多視角RGB...

Hunyuan-Large是騰訊推出的大型混合專家（MoE）模型，具有3890億總參數量和520億激活參數量，是目前業界參數規模最大的開源MoE模型。基于Transformer架構，支...

Cofounder是開源的全棧AI開發代理，能幫助開發者基于單一提示自動生成完整的應用程序，包括后端、前端、數據庫和有狀態的Web應用。Cofounder基于生成式AI技術...

MagicTailor 是專門為組件可控個性化設計的新框架，讓T2I模型在個性化過程中能夠精確控制。MagicTailor 基于兩個關鍵技術動態掩碼退化（DM-Deg）和雙流平衡（...

Claude Computer Use是Anthropic公司為Claude 3.5 Sonnet和Claude 3.5 Haiku模型推出的新功能，支持AI模型Claude執行類似人類的電腦操作，如查看屏幕、移動光...

Docling是開源的文檔解析和轉換工具，能高效地將多種格式的文檔（包括PDF、DOCX、PPTX、圖片和HTML）解析，導出為Markdown或JSON格式。Docling支持高級PDF理...

Cerebellum是基于Claude 3.5 Sonnet和Selenium WebDriver構建的瀏覽器AI智能助手，能理解任務意圖、執行網頁自動化任務，如數據抓取和網站自動化測試。Cerebe...

WebRL是清華大學、智譜AI聯合推出的自我進化的在線課程強化學習框架，訓練使用開放大型語言模型（LLMs）的高性能網絡代理。WebRL動態生成任務、結果監督獎勵...

GameGen-X是香港科技大學、中國科學技術大學等機構研究人員推出的擴散變換器模型，用在生成和交互控制開放世界游戲視頻。模型能模擬游戲引擎功能，如創新角色...

OuteTTS是開源的文本到語音（TTS）項目，基于純語言建模的方法生成語音。OuteTTS項目基于LLaMa架構，用Oute3-350M-DEV基礎模型，擁有3.5億參數。OuteTTS具備...

GTA（a benchmark for General Tool Agents）是上海交通大學和上海AI實驗室共同推出的基準測試，評估大型語言模型（LLMs）在真實世界場景中調用工具的能力。G...

VQAScore是CMU和Meta聯合推出的評估方法，基于視覺問答（VQA）模型衡量由文本提示生成的圖像質量。VQAScore用計算模型對“Does this figure show {text}?”這一...

AndroidLab是用在訓練和系統評估Android自主代理的框架，集成文本和圖像模態操作環境，統一行動空間和可重現基準測試。AndroidLab支持大型語言模型和多模態模...

Recraft V3是Recraft公司推出的AI文本到圖像生成模型，在Hugging Face的文本到圖像模型排行榜上以1172的ELO評分榮獲第一。模型具有高質量的圖像生成和先進的...

Magentic-One 是微軟推出的通用多智能體系統，解決跨領域的復雜網絡和文件任務。系統基于多智能體架構，由Orchestrator智能體領導，協調WebSurfer、FileSurfe...