Memory Layers – Meta 开源不增加算力时增加大模型的参数方法
Memory Layers是什么 Memory Layers是Meta推出的用可训练的键值查找机制为模型增加额外参数的方法，它不会增加浮点运算次数（FLOPs）。基于稀疏…
AddressCLIP – 中科院联合阿里云推出的端到端图像地理定位大模型
AddressCLIP是什么 AddressCLIP 是基于 CLIP 技术构建的端到端图像地理定位模型，中科院自动化所和阿里云联合开发。模型能通过一张照片实现街道级精度…
EMO2 – 阿里研究院推出的音频驱动头像视频生成技术
EMO2是什么 EMO2 （End-Effector Guided Audio-Driven Avatar Video Generation）是阿里巴巴智能计算研究院开发…
Mini-InternVL – 上海AI Lab联合清华等机构推出的轻量级多模态大模型
Mini-InternVL是什么 Mini-InternVL是“迷你版”书生·万象大模型，是上海AI实验室与清华大学、南京大学等机构联合推出的轻量级多模态大型语言模型系列…
HoloDrive – 商汤联合上海AI Lab等机构推出的2D-3D多模态街道场景生成框架
HoloDrive是什么 HoloDrive 是商汤和上海人工智能实验室等机构提出的用于自动驾驶的整体2D-3D多模态街道场景生成框架。框架联合生成相机图像和激光雷达点云…
Xianyu AutoAgent – AI闲鱼客服机器人，支持多专家协同决策
Xianyu AutoAgent是什么 Xianyu AutoAgent 是为闲鱼平台设计的智能客服机器人系统。支持实现7×24小时自动化值守，多专家协同决策、智能议价及…
Cognita – 面向生产环境的开源、模块化 RAG 框架
Cognita是什么 Cognita是开源的模块化RAG（Retrieval Augmented Generation）框架，能帮助开发者构建模块化、易于扩展和部署的生产…
TradingAgents – 加利福尼亚联合麻省理工推出的多智能体LLM金融交易框架
TradingAgents是什么 TradingAgents是加利福尼亚大学洛杉矶分校和麻省理工学院推出的多代理LLM金融交易框架，能模拟现实世界的交易公司环境。
VideoReward – 港中文、清华、快手等联合推出的视频生成偏好数据集及奖励模型
VideoReward是什么 VideoReward 是香港中文大学、清华大学、快手科技等联合创建的视频生成偏好数据集及奖励模型。包含182,000条标注数据，涵盖视觉质…
PaSa – 字节跳动推出的学术论文检索智能体
PaSa是什么 PaSa是字节跳动研究团队（ByteDance Research）推出的基于强化学习的学术论文检索智能体。能模仿人类研究者的行为，自动调用搜索引擎、浏览相…
Weebo – AI语音聊天机器人，实时响应用户语音指令和问题
Weebo是什么 Weebo是实时语音聊天机器人，基于Whisper Small、Llama 3.2和Kokoro-82M技术驱动。能通过语音识别和生成技术，与用户进行自…
Perception-as-Control – 阿里通义实验室推出的图像动画框架
Perception-as-Control是什么 Perception-as-Control是阿里巴巴通义实验室推出的图像动画框架，能根据用户意图实现细粒度的运动控制。
Matrix-Game – 昆仑万维开源的工业界首个空间智能大模型
Matrix-Game是什么 Matrix-Game是昆仑万维开源的工业界首个10B+空间智能大模型，是Matrix-Zero世界模型中的可交互视频生成大模型。
LAM – 微软推出的大型行动模型，能自主操作Windows程序
LAM是什么 LAM是微软推出的名为“Large Action Model”（简称 LAM）的新人工智能模型。与传统语言模型不同，LAM能够自主操作Windows程序，实…
CreatiLayout – 复旦和字节联合推出创新的布局到图像生成技术
CreatiLayout是什么 CreatiLayout 是复旦大学和字节跳动联合提出的创新的布局到图像生成（Layout-to-Image, L2I）技术。
MILS – Meta AI 推出的零样本生成高质量多模态描述方法
MILS是什么 MILS（Multimodal Iterative LLM Solver）是Meta AI提出的无需训练即可赋予大型语言模型（LLM）多模态能力的方法。通…
