AI項目和框架

Ferret-UI 2是蘋果公司推出的多模態大型語言模型，用在理解和交互移動用戶界面。Ferret-UI 2能識別和理解各種移動設備屏幕上的UI元素，執行復雜的用戶指令，...

MMBench-Video是新穎的長視頻多題問答基準測試，是浙江大學、上海人工智能實驗室、上海交通大學和香港中文大學聯合推出的。MMBench-Video能全面評估大型視覺...

MiniMates是高性能的輕量級數字人驅動算法，具備語音和表情兩種驅動模式，能在普通電腦上實現實時運行。基于先進的技術架構，提供極致的速度體驗和個性化定制...

MotionCLR是基于注意力機制的人體動作生成和編輯模型，能根據文本提示生成動作，支持用戶進行交互式編輯，如動作強調、減弱、替換、擦除和風格轉移。MotionCL...

DocMind是司馬閱推出的文檔智能大模型，基于Transformer結構，融合深度學習、NLP和CV技術，能處理富文本文檔的復雜結構和視覺信息，提高信息抽取準確性。DocM...

DistilQwen2是基于Qwen2大模型用知識蒸餾技術優化得到的輕量級語言模型，能提高運算效率和降低部署成本。DistilQwen2基于深度剖析大模型、增強指令數據多樣性...

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...