LazyGraphRAG是微軟研究院推出的圖形增強生成增強檢索（RAG）框架，是GraphRAG的迭代版本。LazyGraphRAG在數據索引成本上大幅降低，是GraphRAG的0.1%，同時用...

LEOPARD是騰訊AI Lab西雅圖實驗室推出的視覺語言模型，專為理解和處理含有大量文本的多圖像任務設計。LEOPARD基于兩個主要技術創新：一是策劃約一百萬條專門...

書生InternThinker是上海人工智能實驗室推出的強推理模型，具備自主生成高智力密度數據和元動作思考能力。基于長思維能力和自我反思、糾正機制，在數學、代碼...

Pangea是卡內基梅隆大學團隊推出的多語言多模態大型語言模型（LLM），能提升全球語言和文化多樣性的覆蓋。模型包含600萬條指令的多樣化數據集，支持39種語言...

Windsurf 是Codeium公司推出的AI編程工具，具備實時協作功能，支持多系統，提供了強大的上下文感知能力。Windsurf融合了協作式 Copilots 和獨立操作的 Agents...

LTX Video是Lightricks推出的開源AI視頻生成模型，能在4秒內生成5秒的高質量視頻，速度超過觀看速度。基于2億參數的DiT架構，確保幀間平滑運動和結構一致性，...

EvolveDirector是阿里巴巴和南洋理工大學聯合推出的創新框架，用公開資源和高級模型的API接口訓練一個高性能的文本到圖像生成模型。框架基于與現有高級模型的...

Kandinsky-3是基于潛在擴散模型的文本到圖像（T2I）生成框架，以高質量和逼真度在圖像合成領域脫穎而出。Kandinsky-3能適應多種圖像生成任務，包括文本引導的...

CAVIA是蘋果公司、得克薩斯大學奧斯汀分校、谷歌聯合推出的多視角視頻生成框架，能將單一輸入圖像轉換成多個時空一致的視頻序列。框架基于引入視角集成注意力...

Flex3D是由Meta的GenAI團隊和牛津大學研究團隊推出的創新的兩階段3D生成框架，能基于任意數量的高質量輸入視圖，解決從文本、單張圖片或稀疏視圖圖像生成高質...

StoryTeller是字節跳動、上海交通大學和北京大學共同推出的系統，能基于音頻視覺角色識別技術改善長視頻描述的質量和一致性。系統結合低級視覺概念和高級劇情...

DELIFT（Data Efficient Language model Instruction Fine-Tuning）是新型算法，用在優化大型語言模型（LLMs）在指令調優、任務特定微調和持續微調三個關鍵階...

HART（Hybrid Autoregressive Transformer）是麻省理工學院研究團隊推出的自回歸視覺生成模型。能直接生成1024×1024像素的高分辨率圖像，質量媲美擴散模型。H...

WebDreamer是俄亥俄州立大學和Orby AI研究團隊推出的基于模型規劃的網絡智能體，基于大型語言模型（LLMs），特別是GPT-4o，作為世界模型預測網站上的交互結果...

BALROG是評估大型語言模型（LLMs）和視覺語言模型（VLMs）在游戲上的推理能力，特別是模型在動態環境中的規劃、空間推理和探索能力。基于一系列挑戰性的游戲...