-
Grok 3 – xAI公司推出的最新一代AI模型
Grok 3项目简介 Grok 3是埃隆·马斯克旗下xAI公司推出的最新一代人工智能模型，模型被马斯克称为“地球上最聪明的人工智能”，推理能力在多项基准测试中超越了包括ChatGPT和DeepSeek在内的其他顶尖模型。 Grok 3引入了“思维链”推理能力，能像人类一样逐步处理复杂任务，显著提升了逻辑连贯性和推理准确性。具备强大的多模态功能，在数学推理、科学逻辑推理和代码写作等方面表现出色。Gr…- 0
-
FoloUp – 开源AI语音面试平台，自动生成定制化面试问题
FoloUp项目简介 FoloUp 是开源的AI语音面试平台，能帮助企业高效地进行招聘面试。FoloUp能根据职位描述自动生成定制化的面试问题，基于AI技术与候选人进行自然、对话式的语音面试。平台能实时分析候选人的回答，生成详细的评分和洞察报告。FoloUp 提供综合仪表盘，方便企业跟踪候选人表现和整体数据。FoloUp支持一键分享面试链接，基于集成的AI技术实现智能化面试流程。 FoloUp优势…- 0
-
Hallo2 – 复旦、百度和南大共同推出的音频驱动视频生成模型
Hallo2项目简介 Hallo2是复旦大学、百度公司和南京大学共同推出的音频驱动视频生成模型。能将单张参考图片和持续几分钟的音频输入结合起来，基于可选的文本提示调节肖像表情，生成与音频同步的高分辨率4K视频。Hallo2基于先进的数据增强技术，如补丁下降和高斯噪声，增强视频的长期视觉一致性和时间连贯性。Hallo2实现潜在代码的矢量量化和时间对齐技术，生成4K分辨率的视频，引入语义文本标签作为条…- 0
-
VLM-R1 – 浙大 Om AI Lab 推出的视觉语言模型
VLM-R1项目简介 VLM-R1 是 Om AI Lab 推出的基于强化学习技术的视觉语言模型，通过自然语言指令精确定位图像中的目标物体，如根据描述“图中红色的杯子”找到对应的图像区域。模型基于 Qwen2.5-VL 架构，结合 DeepSeek 的 R1 方法，通过强化学习优化和监督微调（SFT）提升模型的稳定性和泛化能力。VLM-R1 在复杂场景和跨域数据上表现出色，能更好地理解视觉内容生成…- 0
-
Botgroup.chat – 开源的AI机器人群聊项目，支持多个AI模型群聊对话
Botgroup.chat项目简介 Botgroup.chat 是基于 React 和 Cloudflare Pages 的多人 AI 聊天应用。支持多个 AI 角色同时参与对话，提供类似群聊的交互体验。用户可以自定义 AI 角色的性格和模型，可以对特定 AI 进行禁言操作。创新的聊天方式让用户能体验与多个 AI 一起交流，类似于在一个虚拟的社交群组中。 Botgroup.chat优势介绍 多人 …- 63
-
DreamVideo-2 – 复旦和阿里联合多机构推出的零样本视频定制生成框架
DreamVideo-2项目简介 DreamVideo-2是创新的零样本视频定制框架，复旦大学和阿里巴巴集团等机构联合推出。DreamVideo-2能根据单一图像和界定框序列生成具有特定主题和精确运动轨迹的视频，无需在测试时进行微调。框架用参考注意力机制学习主题外观，基于从界定框导出的二值掩码控制运动轨迹，实现精确的运动控制。DreamVideo-2引入混合掩码参考注意力和重加权扩散损失，增强主题…- 0
-
PDFMathTranslate – 开源的PDF文档翻译和双语对照工具
PDFMathTranslate项目简介 PDFMathTranslate是开源的PDF文档翻译工具，设计用于翻译科技论文等PDF文件，能保留原文的排版，包括公式和图表。PDFMathTranslate支持双语对照，保持原有目录结构，兼容多种翻译服务，如Google、DeepL、Ollama和OpenAI等。用户基于命令行工具操作，实现文档的快速翻译和双语对照查看。 PDFMathTranslat…- 4
-
DriveDreamer4D – 基于世界模型增强4D驾驶场景重建效果的框架
DriveDreamer4D项目简介 DriveDreamer4D是用在提升自动驾驶场景4D重建质量的框架，基于世界模型先验增强4D驾驶场景的表示。框架能基于真实世界的驾驶数据合成新的轨迹视频，用明确结构化条件控制前景和背景元素的时空一致性，确保生成的数据严格遵守交通约束。DriveDreamer4D是首个基于视频生成模型改善驾驶场景中4D重建的框架，提升复杂场景和新轨迹视点下的渲染质量。 Dri…- 0