告别单轮傻瓜问答！云知声发布原生智能体大模型U2，自主攻克百步复杂工作流
生成式人工智能正在加速从“只会聊天”的问答工具，演变为能够卷起袖子干活的“超级数字员工”。6月8日，云知声（9678.HK）正式发布了新一代通用大语言模型——U2。作为一…
TANGLED – 上海科大联合华中科大等推出的3D发型生成方法
TANGLED是什么 TANGLED是上海科技大学、Deemos Technology和华中科技大学联合推出的3D发型生成方法，支持从任意风格和视角的图像中生成高质量的3…
PP-TableMagic – 百度飞桨团队开源的表格识别工具
PP-TableMagic是什么 PP-TableMagic 是百度飞桨团队推出的高性能表格识别工具，用在将图片中的表格结构化信息提取出来，转换为 HTML 等格式，进行…
Open Computer Agent – Hugging Face 推出的免费云端 AI Agent 工具
Open Computer Agent是什么 Open Computer Agent 是 Hugging Face 推出的免费云端 AI Agent 工具。支持在 Lin…
ModelEngine – 华为开源的全流程 AI 开发工具链
ModelEngine是什么 ModelEngine 是华为开源的全流程 AI 开发工具链，围绕数据使能、模型使能和应用使能三大核心功能展开，解决 AI 行业化落地过程中…
BrowseComp – OpenAI 开源的 AI Agent 网络浏览能力基准
BrowseComp是什么 BrowseComp 是 OpenAI 开源的用于评估 AI Agent网络浏览能力的基准测试。包含 1266 个极具挑战性的问题，覆盖电影、…
AVD2 – 清华联合复旦等机构推出的自动驾驶事故视频理解与生成框架
AVD2是什么 AVD2（Accident Video Diffusion for Accident Video Description）是清华大学联合香港科技大学、吉林…
Gemini Robotics – 谷歌 DeepMind 推出的具身智能大模型
Gemini Robotics是什么 Gemini Robotics 是谷歌 DeepMind 推出的基于 Gemini 2.0 的机器人项目，将大型多模态模型的能力引入…
Orpheus TTS – 开源AI语音合成系统，支持多种语音风格
Orpheus TTS是什么 Orpheus TTS 是基于 Llama-3b 架构的开源文本到语音（TTS）系统。Orpheus TTS 支持生成自然、富有情感且接近人…
Spatial-RAG – 埃默里大学等机构推出的空间推理能力框架
Spatial-RAG是什么 Spatial-RAG（Spatial Retrieval-Augmented Generation）是美国埃默里大学、德克萨斯大学奥斯汀分…
Speech-02 – MiniMax 推出的新一代文本转语音模型
Speech-02是什么 Speech-02 是 MiniMax 推出的新一代文本到语音（TTS）模型。模型基于回归 Transformer 架构，实现零样本语音克隆，仅…
Dolphin – 清华联合海天瑞声推出的语音识别大模型
Dolphin是什么 Dolphin是清华大学电子工程系语音与音频技术实验室联合海天瑞声共同推出的面向东方语言的语音大模型。支持40个东方语种的语音识别，中文语种涵盖22…
HippoRAG 2 – 俄亥俄州立大学推出的检索增强生成框架
HippoRAG 2是什么 HippoRAG 2是俄亥俄州立大学推出的检索增强生成（RAG）框架，解决现有RAG系统在模拟人类长期记忆动态性和关联性方面的局限性。Hipp…
xAI被曝曾利用Claude输出数据训练编码模型，因Anthropic撤销权限转入地下提取
埃隆·马斯克（Elon Musk）旗下的 AI 初创公司xAI近日被曝在过去数月内，直接利用 Anthropic 公司的旗舰模型 Claude 的输出数据来训…
从基本变量预测到复杂现象死磕！全球海洋现象智能预报大模型“琅琊”2. 0 正式发布
人工智能正在深度重构人类对复杂海洋现象的预报与认知能力。 6 月 6 日，第四届中国数字地球大会在山东青岛正式开幕。在本次大会上，由中国科学院海洋研究所自主研发的全球海洋…
Gemma 3 QAT – 谷歌推出的最新开源模型，Gemma 3 量化版
Gemma 3 QAT是什么 Gemma 3 QAT（Quantization-Aware Training）是谷歌推出的最新一代开源模型，是Gemma 3 的量化优化版…
