AI项目和框架

AI co-scientist 是谷歌推出的多智能体AI系统，作为虚拟科研机器人，协助科研人员搞定各种繁琐的科研任务，包括科研选题、文献检索和实验设计。AI co-scienti...

PaliGemma 2 Mix是谷歌DeepMind发布的最新多任务视觉语言模型（VLM）。集成了多种视觉和语言处理能力，支持图像描述、目标检测、图像分割、OCR以及文档理解等...

FlexTok 是瑞士洛桑联邦理工学院（EPFL）和苹果公司联合开发的图像处理技术。通过将二维图像重新采样为一维离散标记序列（token sequences），以灵活的长度描...

TongGeometry 是北京通用AI研究院和北京大学AI研究所联合推出的基于树搜索的几何模型，专门用在提出和解决奥林匹克级别的几何问题。TongGeometry基于高效的搜...

流畅阅读（FluentRead）是开源的浏览器翻译插件，致力于为用户提供类似母语的阅读体验。流畅阅读基于先进的AI技术，支持多种翻译引擎，包括传统机器翻译和AI...

ToddlerBot是斯坦福大学开源的用在运动操作的开源机器学习与人形机器人平台，为高效收集大规模、高质量的训练数据设计。ToddlerBot具备30个主动自由度，用Dyn...

Aider 是开源的AI辅助编程工具，基于终端与大型语言模型（LLM）配合，实现高效代码编辑和开发。Aider支持多种编程语言，如 Python、JavaScript、TypeScript ...

LLaDA（Large Language Diffusion with mAsking）是中国人民大学高瓴AI学院李崇轩、文继荣教授团队和蚂蚁集团共同推出的新型大型语言模型，基于扩散模型框架...

Agentic Reasoning是牛津大学推出的增强大型语言模型（LLM）推理能力的框架。基于整合外部工具（如网络搜索、代码执行和结构化记忆）解决复杂的多步骤推理问...

瑞智病理大模型（RuiPath）是上海交通大学医学院附属瑞金医院与华为共同推出的临床级国产多模态互动式病理大模型。模型覆盖了中国每年全癌种发病人数90%的常...

Step-Audio-TTS-3B 是 Stepfun-AI 团队推出的高性能文本到语音（TTS）模型，具有强大的语音合成能力。基于海量合成数据训练，参数量达到30亿，能生成自然流畅...

SWE-Lancer 是 OpenAI 推出的大模型基准测试，评估前沿语言模型（LLMs）在自由职业软件工程任务中的表现。包含来自 Upwork 的 1400 多个任务，总价值达 100 ...

DynamicCity 是上海AI Lab推出的大规模动态场景生成的4D生成框架。DynamicCity 专注于生成具有语义信息的动态 LiDAR 场景，能处理大规模空间（80×80×6.4 m³）...

MoBA（Mixture of Block Attention）是 Moonshot AI 提出的新型注意力机制，提高大型语言模型（LLMs）处理长上下文任务的效率。通过将上下文划分为多个块（bl...

RSIDiff 是用于提升文本到图像扩散模型性能的递归自训练（RSI）框架。通过迭代优化模型，基于模型自身生成的数据进行训练，解决传统自训练中常见的训练崩溃问...