标签：自然语言理解

twee是专为英语教师设计的AI驱动在线平台，提供一系列教学辅助工具。twee能快速生成针对任何YouTube视频的问题、不同主题和水平的对话、故事、信件和文章。tw...

探一下是支付宝推出的新一代AI视觉搜索产品，基于自研的多模态大模型技术，能够“用AI之眼探索万物”，提供快速、有用、趣味的生成式搜索服务。用户可以通过AI...

Mind GPT-3o是理想汽车推出的多模态端到端大模型，融合语音、视觉和语言理解技术，实现高效实时交互。Mind GPT-3o具备记忆、规划、工具使用和表达能力，能提...

Bamba-9B是IBM、普林斯顿大学、卡内基梅隆大学和伊利诺伊大学香槟分校联合推出的，基于Mamba2架构的仅解码语言模型模型。模型在完全开放的数据集上训练，能提...

Doctronic是提供在线AI医生服务的平台，为用户提供快速、免费的初步健康咨询。Doctronic基于一系列问题收集用户的健康信息，帮助诊断症状或讨论健康问题。用...

LeviTor是南京大学、蚂蚁集团、浙江大学等机构推出的图像到视频合成技术，结合深度信息和K-means聚类点控制视频中3D物体的轨迹，无需显式的3D轨迹跟踪。LeviT...

通过融合不同深度的特征，Florence-VL实现了更全面的视觉理解。

Lyra是香港中文大学、SmartMore和香港科技大学推出的高效多模态大型语言模型（MLLM），专注于提升语音、视觉和语言模态的交互能力。Lyra基于开源大型模型、多...

Large Action Models（LAMs）是微软推出大型行动模型的开发框架，能执行真实世界行动的智能系统，LAMs超越传统LLMs（Large Language Models，大型语言模型）...

EMOVA（EMotionally Omni-present Voice Assistant）是多模态全能模型，是香港科技大学、香港大学和华为诺亚方舟实验室等机构共同推出的。EMOVA能处理图像、...

Devika AI是印度Stition AI团队推出的开源AI软件开发工具，能理解并执行复杂的人类指令，将其分解为步骤，进行研究和信息搜集，最终编写代码以实现目标。Devi...

NVLM是NVIDIA推出的前沿多模态大型语言模型（LLMs），在视觉-语言任务上达到与顶尖专有模型（如GPT-4o）和开放访问模型（如Llama 3-V 405B和InternVL 2）相匹...

QwQ-32B-Preview（QwQ-32B）是阿里巴巴开源的实验性研究AI模型，以强大的推理能力著称，尤其在数学和编程领域表现卓越。QwQ-32B-Preview包含325亿参数，能处...

ACE（All-round Creator and Editor）是阿里巴巴集团Tongyi Lab推出的基于扩散变换器的全能图像生成和编辑模型。ACE引入长上下文条件单元（LCU）和统一条件格...

MCP（Model Context Protocol，模型上下文协议）是一个开放协议，是Anthropic开源的，能实现大型语言模型（LLM）应用与外部数据源和工具之间的无缝集成。基于...