DisPose是北京大學、中國科學技術大學、清華大學和香港科技大學的研究團隊共同推出的，提高人物圖像動畫質量的控制技術，基于從骨骼姿態和參考圖像中提取有效...

MetaMorph是多模態大模型（MLLM），通過指令微調（Instruction Tuning）實現視覺理解和生成。它提出了一種名為Visual-Predictive Instruction Tuning（VPiT）...

Bamba-9B是IBM、普林斯頓大學、卡內基梅隆大學和伊利諾伊大學香檳分校聯合推出的，基于Mamba2架構的僅解碼語言模型模型。模型在完全開放的數據集上訓練，能提...

HelloMeme是基于最新的Diffusion生成技術的框架，實現表情與姿態的遷移，HelloMeme集成空間編織注意力（Spatial Knitting Attentions）機制，基于Stable Diff...

ERA-42是北京星動紀元推出的端到端原生機器人大模型，與自研的五指靈巧手星動XHAND1結合，能完成100多種復雜靈巧操作任務。ERA-42無需預編程，具備快速學習新...

Baichuan4-Finance是百川智能推出的全鏈路金融領域增強大模型，包括Baichuan4-Finance-Base和Baichuan4-Finance?；贐aichuan4-Turbo，用領域自約束訓練，在...

VSI-Bench（Visual-Spatial Intelligence Benchmark）是李飛飛、謝賽寧及他們的研究團隊推出的視覺空間智能基準測試集，研究者構建用在評估多模態大型語言模...

Bamba-9B是IBM、普林斯頓大學、卡內基梅隆大學和伊利諾伊大學香檳分校聯合推出的，基于Mamba2架構的僅解碼語言模型模型。模型在完全開放的數據集上訓練，能提...

Univer是開源的全棧框架，支持創建和編輯電子表格、文檔及幻燈片，為用戶提供統一且強大的辦公解決方案。Univer能在瀏覽器和Node.js環境中運行，易于集成到各...

Kheish是開源的、基于大型語言模型（LLM）的多智能體編排平臺，用多個專門的角色（智能體）和靈活的工作流協調復雜任務的各個步驟，如提案生成、審核、驗證和...

3D-Speaker是阿里巴巴通義實驗室語音團隊推出的多模態開源項目，基于結合聲學、語義、視覺信息，實現高精度的說話人識別和語種識別。3D-Speaker提供工業級模...

ERA-42是北京星動紀元推出的端到端原生機器人大模型，與自研的五指靈巧手星動XHAND1結合，能完成100多種復雜靈巧操作任務。ERA-42無需預編程，具備快速學習新...

Baichuan4-Finance是百川智能推出的全鏈路金融領域增強大模型，包括Baichuan4-Finance-Base和Baichuan4-Finance。基于Baichuan4-Turbo，用領域自約束訓練，在...

LeviTor是南京大學、螞蟻集團、浙江大學等機構推出的圖像到視頻合成技術，結合深度信息和K-means聚類點控制視頻中3D物體的軌跡，無需顯式的3D軌跡跟蹤。LeviT...

AgentScope是阿里巴巴集團開源的多智能體開發平臺，幫助開發者輕松構建和部署多智能體應用。AgentScope提供高易用性、高魯棒性和分布式支持，內置多種模型API...