AIニュース

TryOffAnyone是能将穿着服装的人物照片转换成平铺的服装展示图的AI工具。基于先进的Latent Diffusion Models技术，自动识别并提取照片中的服装区域，然后将其...

LongDocURL是中国科学院自动化研究所和阿里巴巴淘宝天猫集团联合发布的多模态长文档理解基准数据集。专注于评估模型在处理长文档、复杂元素和多样化任务中的...

DeepSeek Artifacts是Hugging Face推出的免费AI编程工具，能生成React和Tailwind CSS的前端代码。工具基于DeepSeek V3，主要目标是构建公共的前端代码数据集...

Jina Reader 是 Jina AI 推出的开源工具，能将互联网上的 HTML 网页内容转换为适合大型语言模型（LLMs）处理的纯文本格式。用户只需在网址前添加特定前缀，即...

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）。基于稀疏激活补充计算密集型的前馈层，提供...

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级应用程序。Cognita用Langchain/LlamaInd...

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，实现真实任务执行。 能理解文本...

smolagents 是 Hugging Face 推出的轻量级开源库，简化智能代理的构建过程。极简的代码量（约千行）和直观的API设计，使开发者能快速搭建和部署智能代理。smo...

REEF（Representation Encoding Fingerprints）是用于大型语言模型（LLM）的指纹识别技术。通过在模型训练过程中嵌入特定的编码信息，为每个模型生成一个唯一...

Inf-DiT 是清华大学、智谱AI 推出基于扩散模型的图像上采样方法，能生成超高分辨率图像。Inf-DiT引入单向块注意力机制（UniBA），将生成过程中的空间复杂度从...

ImBD（Imitate Before Detect）是复旦大学、华南理工大学、武汉大学、Fenzi AI等推出的用在检测机器修订文本的方法。首先模仿大型语言模型（LLMs）生成文本的...

SocraticLM 是通过苏格拉底式的教学法来教授数学的创新人工智能模型，模型由中科大和科大讯飞共同开发，采用了“Thought-Provoking”教学范式，通过提问引导学...

VMix是创新的即插即用美学适配器，提升文本到图像扩散模型生成图像的美学质量。通过解耦输入文本提示中的内容描述和美学描述，将细粒度的美学标签（如色彩、...

smoltalk-chinese 是OpenCSG开源的专为中文大型语言模型（LLM）设计的合成数据集，该数据集包含超过 70 万条合成数据，涵盖了信息查询、推理、计划、编辑、编...

RLCM（Reinforcement Learning for Consistency Model）是康奈尔大学推出用在优化文本到图像生成模型的框架，基于强化学习方法微调一致性模型适应特定任务的...

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，增强学生模型的训练数...

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 LLMs 的编程水平。工...

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信息压缩成紧凑...

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。通过时间 ego-graph 采...

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方式实现与环境的互动。

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和精确运动控制的方式...

PersonaMagic 是创新的高保真人脸定制技术，通过阶段调节的文本条件策略实现个性化图像生成。基于简单多层感知机（MLP）网络学习一系列动态嵌入，在特定时间...

InstructMove是东京大学和Adobe公司联合推出的基于指令的图像编辑模型，通过观察视频中的帧对变化学习如何根据指令进行图像操作。模型基于多模态大型语言模型...

LatentSync是字节跳动、北京交通大学联合推出的端到端唇形同步框架，基于音频条件的潜在扩散模型，无需任何中间的3D表示或2D特征点。LatentSync用Stable Diff...