LaTRO – 基于自我奖励提升LLMs复杂推理能力的框架
LaTRO是什么 LaTRO（Latent Reasoning Optimization）是先进的框架，提升大型语言模型（LLMs）在复杂推理任务中的表现。基于将推理过程…
ReCapture – 谷歌和新加坡国立大学共同推出的视频处理技术
ReCapture是什么 ReCapture是谷歌和新加坡国立大学推出的视频处理技术，能从单一用户提供的视频中生成具有新相机轨迹的新视频。
MagicClay – Adobe 推出的3D建模工具，文本引导3D模型局部雕刻
MagicClay是什么 MagicClay 是 Adobe 推出3D建模工具，结合网格和有向距离场（SDF）技术，支持艺术家基于文本提示对3D模型的特定部分进行雕刻，同…
Halo – 开源的DIY健康追踪项目，构建私人健康检测应用
Halo是什么 Halo是开源的DIY健康追踪项目，基于低成本的智Halo – 开源的DIY健康追踪项目，构建私人健康检测应用能戒指和开源软件，让用户构建自己的私人健康监…
JoyVASA – 京东健康开源的音频驱动的数字人头项目
JoyVASA是什么 JoyVASA是京东健康国际公司开源的音频驱动的数字人头项目，基于扩散模型技术，根据音频信号生成与音频同步的面部动态和头部运动。JoyVASA能实现…
TIP-I2V – 超170万大规模真实文本和图像提示数据集
TIP-I2V是什么 TIP-I2V是大规模真实文V本和图像提示数据集，用在图像到视频生成领域。TIP-I2V包含超过170万独特的用户文本和图像提示，及五种SOTA图生…
SmoothCache – Roblox 和女王大学推出用于DiT的通用推理加速技术
SmoothCache是什么 SmoothCache 是用在Diffusion Transformers （DiT）模型的通用推理加速技术，是 Roblox 和女王大学的…
AutoConsis – 美团联合复旦大学推出的UI内容一致性AI检测工具
AutoConsis是什么 AutoConsis是UI内容一致性智能检测工具，是美团技术团队与复旦大学联合推出的。工具基于深度学习和大型语言模型自动识别和提取界面中的关键…
OmniEdit – 滑铁卢大学等机构开源的通用图像编辑模型
OmniEdit是什么 OmniEdit是先进的图像编辑技术，通过结合多个专家模型的监督来训练一个通用模型，处理多种图像编辑任务。能处理不同纵横比的图像，七种不同的图像编…
In-Context LoRA – 阿里通义推出的基于DiTs的图像生成框架
In-Context LoRA是什么 In-Context LoRA是阿里巴巴通义实验室推出的基于扩散变换器（DiTs）的图像生成框架，用模型的内在上下文学习能力，最小化…
Add-it – 英伟达推出无需训练的图像编辑技术
Add-it是什么 Add-it是NVIDIA推出的无需训练的图像编辑技术，能根据文本指令在图像中添加对象。这项技术基于扩展扩散模型的注意力机制，整合场景图像、文本提示和…
DINO-X – IDEA 研究院推出的通用视觉大模型
DINO-X是什么 DINO-X是IDEA研究院推出的通用视觉大模型，具备开放世界对象检测与理解能力。支持文本、视觉和定制提示，能识别图像中的任何对象而无需用户提示。
The Matrix – 阿里联合港大等多所机构推出的AI基础世界模拟器
The Matrix是什么 The Matrix是与电影同名的首个AI基础世界模拟器，是全华人团队推出的（作者分别来自阿里巴巴、香港大学、滑铁卢大学和加拿大AI研究机构V…
HyOCR-1.5 – 腾讯混元开源的轻量级端到端 OCR 专家大模型
HyOCR-1.5是什么 HyOCR-1.5 是腾讯混元开源的轻量级端到端 OCR 专家大模型，仅 1B 参数能实现文档解析、文本识别、信息抽取、拍照翻译、图表解析、古文…
