TinyR1-Preview是北京大學(xué)計(jì)算機(jī)學(xué)院與360公司聯(lián)合推出的32B參數(shù)量的推理模型。模型僅用5%的參數(shù)量，逼近Deepseek-R1-671B的性能，TinyR1-Preview在數(shù)學(xué)領(lǐng)域...

VLM-R1 是 Om AI Lab 推出的基于強(qiáng)化學(xué)習(xí)技術(shù)的視覺語(yǔ)言模型，通過(guò)自然語(yǔ)言指令精確定位圖像中的目標(biāo)物體，如根據(jù)描述“圖中紅色的杯子”找到對(duì)應(yīng)的圖像區(qū)域。...

Moonlight-16B-A3B 是 Moonshot AI 推出的新型 Mixture-of-Expert (MoE) 模型，具有 160 億總參數(shù)和 30 億激活參數(shù)。模型使用了優(yōu)化后的 Muon 優(yōu)化器進(jìn)行訓(xùn)練...

Mistral Saba 是法國(guó) Mistral AI 推出的專注于中東和南亞地區(qū)語(yǔ)言及文化的區(qū)域定制 AI 模型。模型擁有 240 億參數(shù)，規(guī)模雖小，在處理阿拉伯語(yǔ)和印度起源語(yǔ)言...

ImageRAG 是基于檢索增強(qiáng)生成（Retrieval-Augmented Generation, RAG）的圖像生成技術(shù)，通過(guò)動(dòng)態(tài)檢索相關(guān)圖像來(lái)提升文本到圖像（T2I）模型生成罕見或未見概念...

KTransformers是清華大學(xué)KVCache.AI團(tuán)隊(duì)聯(lián)合趨境科技推出的開源項(xiàng)目，能優(yōu)化大語(yǔ)言模型的推理性能，降低硬件門檻。KTransformers基于GPU/CPU異構(gòu)計(jì)算策略，用...

TIGER（Time-frequency Interleaved Gain Extraction and Reconstruction Network）是清華大學(xué)研究團(tuán)隊(duì)提出的輕量級(jí)語(yǔ)音分離模型，通過(guò)時(shí)頻交叉建模策略，結(jié)...

通古大模型是華南理工大學(xué)深度學(xué)習(xí)與視覺計(jì)算實(shí)驗(yàn)室（SCUT-DLVCLab）推出的專注于古籍文言文處理的人工智能語(yǔ)言模型。基于百川2-7B-Base進(jìn)行增量預(yù)訓(xùn)練，使用...

RWKV-7-2.9B模型（RWKV-7-World-2.9B-V3） 是RWKV 基金推出的先進(jìn) RNN 大語(yǔ)言模型。基于 RWKV World V3 數(shù)據(jù)集訓(xùn)練，具有 29 億參數(shù)，支持世界所有語(yǔ)言。模型...

MAETok（Masked Autoencoders Tokenizer）是卡內(nèi)基梅隆大學(xué)、香港大學(xué)、北京大學(xué)等機(jī)構(gòu)推出的用在擴(kuò)散模型的新型圖像標(biāo)記化方法。MAETok基于掩碼建模（Mask M...

ChatGPT Tasks是OpenAI推出的新功能，屬于OpenAI Agent的初步形態(tài)。ChatGPT Tasks賦予ChatGPT執(zhí)行力，用戶能在ChatGPT聊天界面的“4o與計(jì)劃任務(wù)”模式中，用自...

Monoxer Junior 是面向小學(xué)新生的AI家庭學(xué)習(xí)應(yīng)用，日本公司Monoxer開發(fā)。基于AI技術(shù)根據(jù)兒童的學(xué)習(xí)水平和記憶狀態(tài)智能出題，提供假名、漢字等豐富學(xué)習(xí)內(nèi)容，...

Emotion-LLaMA是多模態(tài)情緒識(shí)別與推理模型，融合了音頻、視覺和文本輸入，通過(guò)特定情緒編碼器整合信息。模型基于修改版LLaMA，經(jīng)指令調(diào)整以提升情感識(shí)別能力...

MiniRAG是香港大學(xué)推出的新型檢索增強(qiáng)型生成（RAG）系統(tǒng)，專為在資源受限的場(chǎng)景下高效部署小型語(yǔ)言模型（SLMs）設(shè)計(jì)。MiniRAG基于兩個(gè)關(guān)鍵技術(shù)實(shí)現(xiàn)這一目標(biāo)：...

豆包向量化API是由字節(jié)跳動(dòng)研發(fā)的語(yǔ)義向量化模型，名為Doubao-embedding，主要面向向量檢索的使用場(chǎng)景，支持中、英雙語(yǔ)，能處理最長(zhǎng)4K的上下文長(zhǎng)度。