WPS 大家經常用來日常寫作，雖然本身提供了AI功能，但可惜需要會員，本文教你三分鐘接入最火的DeepSeek，讓WPS秒變辦公神器。 DeepSeek API申請地址：http:/...

這兩年大家都在感嘆生活不易，然而我想說的是，機會還是有的，但問題不在于有沒有，而在于你是否能夠認準機會，然后抓住它。 接觸過很多咨詢項目的人，發現...

Steamer-I2V 是百度 Steamer 團隊推出的圖像到視頻生成模型，通過將靜態圖像轉化為動態視頻，展現出卓越的視覺生成能力。模型在 VBench 國際權威的視頻生成評...

BLIP3-o是Salesforce Research等機構推出的創新多模態模型，融合自回歸模型的推理和指令遵循能力及擴散模型的強大生成能力。模型基于擴散語義豐富的CLIP圖像...

ViLAMP（VIdeo-LAnguage Model with Mixed Precision）是螞蟻集團和中國人民大學聯合推出的視覺語言模型，專門用在高效處理長視頻內容。基于混合精度策略，對...

FastVLM是蘋果推出的高效的視覺語言模型（VLM），能提升高分辨率圖像處理的效率和性能。模型引入FastViTHD新型混合視覺編碼器，有效減少視覺token數量，顯著...

ReasonIR-8B 是 Meta AI 推出的專為推理密集型檢索任務設計的模型。基于 LLaMA3.1-8B 訓練，采用雙編碼器架構，將查詢和文檔分別編碼為嵌入向量，通過余弦相...

InternVL 是上海人工智能實驗室 OpenGVLab 推出的多模態大模型，專注于視覺與語言任務。采用 ViT-MLP-LLM 架構，通過視覺模塊（如 InternViT）和語言模塊（如...

CogView4 是智譜推出的開源文生圖模型，具有60億參數，支持原生中文輸入和中文文字生成。模型在 DPG-Bench 基準測試中綜合評分排名第一，達到開源文生圖模型...

VLM-R1 是 Om AI Lab 推出的基于強化學習技術的視覺語言模型，通過自然語言指令精確定位圖像中的目標物體，如根據描述“圖中紅色的杯子”找到對應的圖像區域。...

ImageRAG 是基于檢索增強生成（Retrieval-Augmented Generation, RAG）的圖像生成技術，通過動態檢索相關圖像來提升文本到圖像（T2I）模型生成罕見或未見概念...

LLaVA-Rad是微軟研究院推出的小型多模態模型，專注于臨床放射學報告生成。是LLaVA-Med項目的分支，特別是胸部X光（CXR）成像。基于LLaVA-Med的基礎架構和訓練...

首個具身4D世界模型EnerVerse

CogView-3-Flash 是智譜推出的首個免費AI圖像生成模型，能根據文本描述生成高審美分數的圖像，支持多種分辨率，滿足專業領域需求。模型具備創意多樣性，基于...

MiniRAG是香港大學推出的新型檢索增強型生成（RAG）系統，專為在資源受限的場景下高效部署小型語言模型（SLMs）設計。MiniRAG基于兩個關鍵技術實現這一目標：...

學習了！

第四屆全球自動駕駛峰會1月14日在北京舉辦～