標簽：自然語言理解

LaDeCo是西安交通大學和微軟研究院聯合推出的自動圖形設計構圖方法，基于將設計任務分解為層次化的步驟來實現。LaDeCo對輸入的設計元素進行層規劃，將它們分...

twee是專為英語教師設計的AI驅動在線平臺，提供一系列教學輔助工具。twee能快速生成針對任何YouTube視頻的問題、不同主題和水平的對話、故事、信件和文章。tw...

探一下是支付寶推出的新一代AI視覺搜索產品，基于自研的多模態大模型技術，能夠“用AI之眼探索萬物”，提供快速、有用、趣味的生成式搜索服務。用戶可以通過AI...

Mind GPT-3o是理想汽車推出的多模態端到端大模型，融合語音、視覺和語言理解技術，實現高效實時交互。Mind GPT-3o具備記憶、規劃、工具使用和表達能力，能提...

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...

Doctronic是提供在線AI醫生服務的平臺，為用戶提供快速、免費的初步健康咨詢。Doctronic基于一系列問題收集用戶的健康信息，幫助診斷癥狀或討論健康問題。用...

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...

通過融合不同深度的特征，Florence-VL實現了更全面的視覺理解。

Lyra是香港中文大學、SmartMore和香港科技大學推出的高效多模態大型語言模型（MLLM），專注于提升語音、視覺和語言模態的交互能力。Lyra基于開源大型模型、多...

Large Action Models（LAMs）是微軟推出大型行動模型的開發框架，能執行真實世界行動的智能系統，LAMs超越傳統LLMs（Large Language Models，大型語言模型）...

EMOVA（EMotionally Omni-present Voice Assistant）是多模態全能模型，是香港科技大學、香港大學和華為諾亞方舟實驗室等機構共同推出的。EMOVA能處理圖像、...

Devika AI是印度Stition AI團隊推出的開源AI軟件開發工具，能理解并執行復雜的人類指令，將其分解為步驟，進行研究和信息搜集，最終編寫代碼以實現目標。Devi...

NVLM是NVIDIA推出的前沿多模態大型語言模型（LLMs），在視覺-語言任務上達到與頂尖專有模型（如GPT-4o）和開放訪問模型（如Llama 3-V 405B和InternVL 2）相匹...

QwQ-32B-Preview（QwQ-32B）是阿里巴巴開源的實驗性研究AI模型，以強大的推理能力著稱，尤其在數學和編程領域表現卓越。QwQ-32B-Preview包含325億參數，能處...

ACE（All-round Creator and Editor）是阿里巴巴集團Tongyi Lab推出的基于擴散變換器的全能圖像生成和編輯模型。ACE引入長上下文條件單元（LCU）和統一條件格...