Valley是字節(jié)跳動推出的多模態(tài)大模型，用于處理涉及文本、圖像和視頻數(shù)據(jù)的多樣化任務。Valley在內(nèi)部電子商務和短視頻基準測試中取得了最佳成績，并在OpenCom...

ModernBERT是Answer.AI、LightOn、約翰斯·霍普金斯大學、英偉達和HuggingFace聯(lián)合推出的現(xiàn)代編碼器-only Transformer模型，是對經(jīng)典BERT模型的一次重大升級。...

cobalt是開源的流媒體下載工具，提供純凈、簡潔無廣告的體驗。cobalt支持全平臺視頻、音頻和圖片下載，包括主流視頻網(wǎng)站、社交媒體和音樂平臺。cobalt提供個...

CogAgent-9B是基于 GLM-4V-9B 訓練的專用Agent任務模型，僅依賴屏幕截圖作為輸入，無需HTML等文本表征。CogAgent-9B支持高分辨率圖像處理，具備雙語（中英文...

AGUVIS是香港大學、Salesforce 聯(lián)合推出的統(tǒng)一的純視覺框架，專為自主GUI智能體設計，能在各種平臺（如網(wǎng)頁、桌面、移動設備）上操作。AGUVIS基于圖像觀察和...

Diff-Instruct是先進的知識轉(zhuǎn)移方法，用于從預訓練的擴散模型中提取知識，指導其他生成模型的訓練。它基于一種新的散度度量——積分Kullback-Leibler (IKL) 散...

VidTok（Video Tokenizer）是微軟開源的先進的視頻分詞器，通過高效的算法將視頻內(nèi)容轉(zhuǎn)換成一系列“視頻詞”。支持連續(xù)和離散分詞化，具有靈活的壓縮率和多樣化...

DeepSeek V3是知名私募巨頭幻方量化旗下人工智能公司深度求索（DeepSeek）開源的最新版AI模型，在多語言編程能力上的進步顯著。在aider多語言編程測評中的表...

3DHM（3D Human Motions）是先進的3D人體動作生成技術，加州大學伯克利分校的研究人員推出。能從單張人物照片生成具有3D控制的動態(tài)人體視頻，實現(xiàn)從靜態(tài)圖像...

DRT-o1是騰訊研究院推出的一系列AI模型，通過長鏈思考推理（CoT）技術顯著提升了文學作品的翻譯質(zhì)量，尤其在處理比喻和隱喻等修辭手法時。模型能更深入地理解...

FastExcel是基于Java的開源庫，提供快速、簡潔且能解決大文件內(nèi)存溢出問題的Excel處理工具。FastExcel兼容EasyExcel，提供性能優(yōu)化、bug修復，新增如讀取指定...

FinRobot是開源的AI代理平臺，專注于金融領域的應用。基于大型語言模型（LLMs）來構建能進行復雜分析和決策的金融專業(yè)AI代理。平臺通過金融思維鏈（CoT）提示...

Browser Use是專門為大語言模型服務的智能瀏覽器工具，創(chuàng)新的Python工具庫，讓AI代理能像人類一樣自然地瀏覽和操作網(wǎng)頁。Browser Use支持多標簽頁管理、視覺...

WiS（Who is Spy）是淘天集團和阿里的技術研究團隊推出的創(chuàng)新在線AI競賽平臺，專門設計用在測試和分析基于大型語言模型（LLMs）的多智能體系統(tǒng)（MAS）。WiS模...

ASAL（Automated Search for Artificial Life）是用基礎模型自動化搜索人工生命（ALife）系統(tǒng)。ASAL是Sakana AI及MIT、OpenAI等機構聯(lián)合推出的，主要基于三種...