AI項目和框架

CursorCore是一個基于大型語言模型（LLMs）的編程輔助框架，用對話式交互幫助程序員更高效地編寫和修改代碼。框架整合編程過程中的各種信息，包括代碼歷史、...

MM1.5是蘋果公司推出的多模態大型語言模型，旨在增強文本豐富圖像理解、視覺指代和定位以及多圖像推理能力。模型基于數據為中心的訓練方法，在大規模預訓練、...

Surya是一款功能強大的開源OCR（光學字符識別）工具包，專門設計用在文檔識別，支持超過90種語言的識別。Surya能準確識別出文檔中的文本，分析文本的閱讀順序...

Illuminate 是一個由谷歌開發的項目，能將學術論文轉化為人工智能生成的音頻討論。項目基于谷歌強大的語言模型 Gemini，將論文內容轉換成引人入勝的對話，使...

Loong是由香港大學和字節跳動聯合推出的一種新型長視頻生成模型，能生成外觀一致、動態豐富、場景過渡自然的分鐘級長視頻。模型基于自回歸大型語言模型（LLM...

ScriptViz是由斯坦福大學研究人員推出的一款劇本可視化輔助工具，基于大型電影數據庫MovieNet，根據劇本文本和對話檢索出相匹配的電影畫面，將編劇的文字描述...

MLE-bench 是 OpenAI 推出的一個基準測試工具，旨在衡量AI代理（AI Agent）在機器學習工程任務中的表現。測試包含75個來自 Kaggle 的競賽任務，覆蓋自然語言...

GTSinger是由浙江大學研究團隊推出的大型開源高質量歌聲數據集，旨在支持多樣化的歌聲任務。GTSinger包含80.59小時的專業錄音棚錄制的歌聲，涵蓋九種不同語言...

LightRAG是由香港大學研究團隊推出的一種檢索增強生成（Retrieval-Augmented Generation, RAG）系統，基于整合圖結構索引和雙層檢索機制，提升大型語言模型在...

Gen2Act是由谷歌、卡內基梅隆大學和斯坦福大學共同推出的一種機器人操作策略，基于預測網絡數據中的運動信息來生成人類視頻，并將視頻用在引導機器人執行新任...

T2V-Turbo是一種先進的文本到視頻生成模型，由Google、UC Santa Barbara（加利福尼亞大學圣塔芭芭拉分校）、和University of Waterloo（滑鐵盧大學）的研究人...

FLUX.1-Turbo-Alpha是阿里媽媽創意團隊基于FLUX.1-dev模型訓練的8步蒸餾Lora模型。基于多頭判別器技術，升圖像生成的質量，支持文本到圖像的生成及修復控制網...

OpenR是一個由倫敦大學學院（UCL）、上海交通大學、利物浦大學、香港科技大學（廣州）和西湖大學聯合開源的全鏈條訓練框架，旨在提升大型語言模型（LLM）的復...

Agent-S 是創新的代理框架，旨在基于圖形用戶界面（GUI）實現人機交互的自動化。Agent-S 基于模擬人類的操作方式，用鼠標和鍵盤直接與計算機交互，處理復雜的...

Adobe Firefly 是 Adobe 推出的一系列創意生成式 AI 模型，旨在幫助用戶擴展其天生的創造力。這些模型集成在 Adobe 的旗艦應用程序和 Adobe Stock 中，支持的...