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）...

OpenAI o3模型是繼o1之后的新一代推理模型，包括o3和o3-mini兩個版本。o3在某些條件下接近于通用人工智能（AGI），在ARC-AGI基準測試中得分高達87.5%，遠超人...

StyleStudio是西湖大學AI實驗室、復旦大學、南洋理工大學和香港科技大學（廣州）聯合推出的，文本驅動的風格遷移模型，能將參考圖像的風格與文本提示的內容融...

RWKV-7是RWKV系列的最新大模型架構版本，超越了傳統的attention和linear attention范式，具有更靈活的狀態演化能力，能在相同算力消耗下解決attention無法解...

PromptWizard是微軟推出的自動化提示優化框架，改進大型語言模型（LLMs）在特定任務中的表現。基于自我演變和自我適應機制，PromptWizard用反饋驅動的批評和...

INFP是音頻驅動的頭部生成框架，專為雙人對話交互設計。能自動在對話音頻引導下進行角色的轉換，無需手動分配角色和角色切換。INFP包括兩個階段：基于動作頭...

VisionFM（伏羲慧眼）是多模態多任務的視覺基礎模型，專為通用眼科人工智能而設計。通過預訓練3.4百萬張來自560,457個個體的眼科圖像，覆蓋廣泛的眼科疾病、...

ElevenLabs Flash是ElevenLabs推出的低延遲語音合成模型，專為快速對話型AI設計。ElevenLabs Flash有兩個版本：Flash v2僅支持英語，Flash v2.5支持32種語言...

StyleStudio是西湖大學AI實驗室、復旦大學、南洋理工大學和香港科技大學（廣州）聯合推出的，文本驅動的風格遷移模型，能將參考圖像的風格與文本提示的內容融...

PromptWizard是微軟推出的自動化提示優化框架，改進大型語言模型（LLMs）在特定任務中的表現。基于自我演變和自我適應機制，PromptWizard用反饋驅動的批評和...

INFP是音頻驅動的頭部生成框架，專為雙人對話交互設計。能自動在對話音頻引導下進行角色的轉換，無需手動分配角色和角色切換。INFP包括兩個階段：基于動作頭...

RWKV-7是RWKV系列的最新大模型架構版本，超越了傳統的attention和linear attention范式，具有更靈活的狀態演化能力，能在相同算力消耗下解決attention無法解...

OpenAI o3模型是繼o1之后的新一代推理模型，包括o3和o3-mini兩個版本。o3在某些條件下接近于通用人工智能（AGI），在ARC-AGI基準測試中得分高達87.5%，遠超人...

AniDoc是香港科技大學、螞蟻集團、南京大學、浙江大學和香港大學共同推出的簡化2D動畫上色AI模型，基于視頻擴散模型自動將草圖序列轉換成彩色動畫，遵循參考...

ElevenLabs Flash是ElevenLabs推出的低延遲語音合成模型，專為快速對話型AI設計。ElevenLabs Flash有兩個版本：Flash v2僅支持英語，Flash v2.5支持32種語言...