AI項目和框架

Stream-Omni是中國科學院計算技術(shù)研究所智能信息處理重點實驗室、中國科學院人工智能安全重點實驗室及中國科學院大學聯(lián)合推出的類似GPT-4o的大型語言視覺語音...

OneRec 是快手推出的新型端到端生成式推薦系統(tǒng)。采用編碼器-解碼器架構(gòu)，通過稀疏 Mixture-of-Experts（MoE）技術(shù)提升模型容量，保持高效的計算性能。與傳統(tǒng)...

Kimi-Researcher 是月之暗面旗下的 Kimi 推出的基于端到端自主強化學習（end-to-end agentic RL）技術(shù)訓練的新一代 Agent 模型，專為深度研究任務(wù)而設(shè)計。能...

Self Forcing 是 Adobe Research 與德克薩斯大學奧斯汀分校聯(lián)合推出的新型自回歸視頻生成算法，解決傳統(tǒng)生成模型在訓練與測試時的暴露偏差問題。通過在訓練階...

SongGeneration是騰訊AI Lab推出的AI音樂生成大模型。模型支持解決音樂AIGC領(lǐng)域中的音質(zhì)、音樂性與生成速度等關(guān)鍵問題，SongGeneration基于LLM-DiT融合架構(gòu)，...

Skywork-SWE-32B是昆侖萬維開源的32B規(guī)模的軟件工程（SWE）自主代碼智能體基座模型。模型專注于軟件工程任務(wù)，特別是倉庫級代碼修復(fù)能力，能在多輪交互和長文...

Office-PowerPoint-MCP-Server 是基于 Model Context Protocol（MCP）的開源工具，專門用在演示文稿的自動化創(chuàng)建和編輯。工具基于 python-pptx 庫實現(xiàn)對 Powe...

MeWM（Medical World Model）是創(chuàng)新的醫(yī)學模型，由香港科技大學（廣州）等機構(gòu)提出，通過模擬疾病動態(tài)來輔助臨床決策。由策略模型、動態(tài)模型和逆向動態(tài)模型組...

EX-4D是字節(jié)跳動（ByteDance）旗下Pico團隊推出的新型4D視頻生成框架，能從單目視頻輸入生成極端視角下的高質(zhì)量4D視頻。框架基于獨特的深度防水網(wǎng)格（DW-Mesh...

LinGen是普林斯頓大學和Meta共同推出的新型文本到視頻生成框架。框架基于線性復(fù)雜度的MATE模塊（包含MA-branch和TE-branch），替換傳統(tǒng)Diffusion Transformer...

Midjourney V1 是 Midjourney 公司推出的首個AI視頻生成模型。支持用戶將靜態(tài)圖像轉(zhuǎn)化為動態(tài)視頻。用戶上傳圖片或在 Midjourney 中生成圖片基于“Animate”按鈕...

EmbodiedGen 是用于具身智能（Embodied AI）應(yīng)用的生成式 3D 世界引擎和工具包。能快速生成高質(zhì)量、低成本且物理屬性合理的 3D 資產(chǎn)和交互環(huán)境，幫助研究人員...

SurveyForge是上海AI Lab聯(lián)合復(fù)旦大學、上海交通大學等機構(gòu)推出的創(chuàng)新框架，用在自動化生成高質(zhì)量學術(shù)綜述。框架基于兩階段設(shè)計，大綱生成和內(nèi)容生成。在大綱...

Hailuo 02 是 MiniMax 公司推出的全新AI視頻生成模型，是Hailuo 01的升級版本。這個模型目前在圖生視頻、文生視頻的榜單位于第二，超越快手的可靈以及谷歌的V...

LeVo是騰訊AI實驗室推出的AI唱歌模型，具備強大的音色克隆能力，僅需3秒音頻即可精準復(fù)制目標音色，包括音調(diào)、情感和韻律，無需大量訓練數(shù)據(jù)。LeVo支持分軌生...