LLM2LLM – 通过迭代数据增强提升大语言模型的技术
LLM2LLM是什么 LLM2LLM是创新的迭代数据增强策略，提升大型语言模型（LLM）在数据稀缺情况下的性能。方法通过基于一个强大的教师模型来生成合成数据，增强学生模型…
EdgeClaw：面壁智能联合清华开源AI智能体框架，首创三层数据安全协议，实现端云协同与本地隐私守护
💡 站外导读：随着AI Agent应用深入，数据隐私与计算成本成为核心痛点。企业及个人用户既渴望AI效率，又恐惧敏感信息上云泄露；纯云端方案面临高延迟与持续Token消耗…
VideoMaker – 浙大联合腾讯和华为推出的零样本定制视频生成框架
VideoMaker是什么 VideoMaker是浙江大学、腾讯和华为诺亚方舟实验室共同开发的创新项目，基于视频扩散模型（VDM）的零样本定制视频生成框架。与传统方法不同…
CodeElo – 阿里 Qwen 团队推出评估 LLM 编程能力的基准测试
CodeElo是什么 CodeElo 是用于评估大型语言模型（LLMs）在编程竞赛级别代码生成能力的基准测试工具。通过与人类程序员的 Elo 评级系统进行比较，来衡量 L…
IBM开源Granite-4.0-1b-speech：10亿参数多语言语音模型，六语种识别+双向翻译，边缘部署效率惊人
💡 站外导读：在全球化业务场景下，多语言语音处理一直面临“算力消耗大、识别准确率低、部署成本高”的痛点。传统大模型虽性能强劲，却难以在资源受限的边缘设备上高效运行。
TITAN – 哈佛医学院研究推出的多模态全切片病理基础模型
TITAN是什么 TITAN是哈佛医学院研究团队开发的多模态全切片病理基础模型，通过视觉自监督学习和视觉-语言对齐预训练，能在无需微调或临床标签的情况下提取通用的切片表示…
FlexRAG – 中科院推出的高性能多模态 RAG 框架
FlexRAG是什么 FlexRAG 是创新的检索增强生成（RAG）框架，解决传统 RAG 系统在处理长上下文时面临的计算成本高和生成质量不足的问题。通过将检索到的上下文…
TANGOFLUX – 英伟达联合新加坡科技设计大学开源的文本到音频生成模型
TANGOFLUX是什么 TANGOFLUX是高效的文本到音频生成模型，是新加坡科技设计大学（SUTD）和NVIDIA共同推出的。模型拥有约5.15亿参数，能在单个A40…
GeneralDyG – 南洋理工推出的通用动态图异常检测方法
GeneralDyG是什么 GeneralDyG 是南洋理工大学研究团队提出的通用动态图异常检测方法，解决动态图数据在社交网络、电商和网络安全等领域的异常检测问题。
YouClaw：Chat2DB团队开源免费AI Agent桌面客户端，零代码实现办公自动化与多平台管理
💡 站外导读：在AI工具百花齐放却大多需要技术配置的当下，Chat2DB团队推出的YouClaw直击了“想用AI却怕折腾”的普遍痛点。
MMedAgent – 专为医疗领域设计的多模态AI智能体，管理多种医疗任务
MMedAgent是什么 MMedAgent是专为医疗领域设计的多模态AI智能体，通过整合各种开源医疗模型来管理多种医疗任务。系统包括一个指令调整的多模态大型语言模型（M…
OpenHands – AI编程工具，多智能体协作实现代码编写、命令运行等
OpenHands是什么 OpenHands是AI编程工具，支持多智能体协作提高开发效率，减少开发者的编码工作量。OpenHands基于编写代码、与命令行交互和浏览网页等…
Hallo3 – 复旦联合百度开源的高动态与真实感肖像动画生成框架
Hallo3是什么 Hallo3是复旦大学和百度公司联合推出的，基于扩散变换器网络（Diffusion Transformer Networks）的肖像图像动画技术，能生…
清华联手智谱推出IndexCache：稀疏注意力加速技术，长上下文推理提速近2倍，零性能损失
💡 站外导读：随着大模型上下文窗口迈向百万Token时代，超长文本的处理效率成为AI落地的核心瓶颈。传统稀疏注意力（DSA）中的索引器，在200K上下文下竟占据高达81%…
VITRON – Skywork AI 联合新加坡国立、南洋理工推出的像素级视觉大型语言模型
VITRON是什么 VITRON是Skywork AI、新加坡国立大学和南洋理工大学联合推出的像素级视觉大型语言模型（LLM），能全面理解和处理静态图像与动态视频，对图像…
VideoAnydoor – 港大联合阿里达摩院等机构推出的零样本视频对象插入框架
VideoAnydoor是什么 VideoAnydoor是香港大学、阿里巴巴集团达摩院、湖畔实验室、华中科技大学联合推出的零样本的视频对象插入框架，能将特定对象以高保真度…
