AI項目和框架

CAR（Certainty-based Adaptive Reasoning）是字節跳動聯合復旦大學推出的自適應推理框架，能提升大型語言模型（LLM）和多模態大型語言模型（MLLM）在不同任...

WonderPlay 是斯坦福大學聯合猶他大學推出的新型框架，支持從單張圖片和用戶定義的動作生成動態3D場景?；诮Y合物理模擬和視頻生成技術，用物理求解器模擬粗...

LMEval 是谷歌推出的開源框架，用在簡化大型模型（LLMs）的跨提供商評估。框架支持多模態（文本、圖像、代碼）和多指標評估，兼容 Google、OpenAI、Anthropic...

LLaDA-V是中國人民大學高瓴人工智能學院、螞蟻集團推出的多模態大語言模型（MLLM），基于純擴散模型架構，專注于視覺指令微調。模型在LLaDA的基礎上，引入視...

Company Research Agent是基于多智能體框架的公司研究工具，支持一鍵自動生成全面的公司研究報告。工具從公司網站、新聞文章、財務報告和行業分析等多源數據...

Direct3D-S2 是南京大學、DreamTech、復旦大學和牛津大學的研究人員共同推出的高分辨率 3D 生成框架，基于稀疏體積表示和創新的空間稀疏注意力（SSA）機制，...

QwenLong-L1-32B 是阿里巴巴集團 Qwen-Doc 團隊推出的，基于強化學習訓練的首個長文本推理大模型。模型基于漸進式上下文擴展、課程引導的強化學習和難度感知...

AgenticSeek是完全本地化的開源AI助手，也是 Manus 的開源平替。AgenticSeek能在本地設備上自主執行任務，如瀏覽網頁、編寫代碼、規劃復雜項目等，所有數據和...

Slidev 是開源的幻燈片制作工具，基于 Markdown + Vue 技術棧實現。工具支持用簡單的 Markdown 語法創建幻燈片，支持代碼高亮、實時編碼演示、數學公式渲染、...

Morphik 是開源的多模態檢索增強生成（RAG）工具，專為處理高技術性和視覺內容豐富的文檔設計。支持對圖像、PDF、視頻等多種格式的文檔進行搜索，采用 ColPal...

MTVCrafter是中國科學院深圳先進技術研究院計算機視覺與模式識別實驗室、中國電信人工智能研究所等機構推出的新型人類圖像動畫框架，基于原始3D運動序列進行...

Pixel Reasoner是滑鐵盧大學、香港科技大學、中國科學技術大學等機構推出的視覺語言模型（VLM），基于像素空間推理增強模型對視覺信息的理解和推理能力。

SurfSense 是開源的 AI 研究工具，類似于 NotebookLM 和 Perplexity，具備更強的擴展性。工具能與多種外部數據源（如搜索引擎、Slack、Notion、YouTube、GitH...

Vid2World是清華大學聯合重慶大學推出的創新框架，支持將全序列、非因果的被動視頻擴散模型（VDM）轉換為自回歸、交互式、動作條件化的世界模型。模型基于視...

Gemini Diffusion是谷歌推出的實驗性文本擴散模型。與傳統自回歸模型逐詞生成文本不同，基于逐步細化噪聲生成輸出，能快速迭代糾正錯誤，讓Gemini Diffusion...