# 图像识别 #
0
关注
1215内容
SmolDocling：256M多模态小模型秒转文档！开源OCR效率提升10倍
SmolDocling 是一款轻量级的多模态文档处理模型，能够将图像文档高效转换为结构化文本，支持文本、公式、图表等多种元素识别，适用于学术论文、技术报告等多类型文档。
AI对话像真人！交交：上海交大推出全球首个口语对话情感大模型，支持多语言与实时音色克隆
上海交通大学推出的交交是全球首个纯学术界自研的口语对话情感大模型，具备多语言交流、方言理解、角色扮演和情感互动等能力，通过创新技术实现端到端语音对话和实时音色克隆。
Valley：字节跳动开源小体积的多模态模型，在小于 10B 参数的模型中排名第二
Valley 是字节跳动推出的多模态大模型，能够处理文本、图像和视频数据，在电子商务和短视频领域表现优异，并在 OpenCompass 测试中排名第二。
Eko：一句话就能快速构建复杂工作流的 AI 代理开发框架！快速实现自动操作电脑和浏览器完成任务
Eko 是 Fellou AI 推出的开源 AI 代理开发框架，支持自然语言驱动，帮助开发者快速构建从简单指令到复杂工作流的智能代理。
RAGEN：RL训练LLM推理新范式！开源强化学习框架让Agent学会多轮决策
RAGEN是一个基于StarPO框架的开源强化学习系统，通过马尔可夫决策过程形式化Agent与环境的交互，支持PPO、GRPO等多种优化算法，显著提升多轮推理训练的稳定性。
阿里视觉AI训练营-day05-创意日-你的图像识别项目
垃圾分类图像识别项目
阿里巴巴AI智能专场
阿里巴巴AI智能专场 讲师/嘉宾简介: 施兴（叔宝）：阿里巴巴自身算法专家 高星（空崖）：阿里巴巴算法专家 张宁豫（凌羽）：阿里巴巴高级算法工程师 王跃（跃神）：阿里巴巴高级算法专家
免费试用