蚝油菜花_个人页

2024年11月

• 11.28 00:50:30
  发表了文章 2024-11-28 00:50:30

  Kandinsky-3：开源的文本到图像生成框架，适应多种图像生成任务

  Kandinsky-3 是一个开源的文本到图像生成框架，基于潜在扩散模型，能够适应多种图像生成任务。该框架支持高质量和逼真的图像合成，包括文本引导的修复/扩展、图像融合、文本-图像融合及视频生成等功能。Kandinsky-3 通过简化模型架构，提高了推理速度，同时保持了图像质量。

  
• 11.28 00:49:36
  发表了文章 2024-11-28 00:49:36

  DynaSaur：Adobe 推出的大语言模型代理框架

  Adobe Research 推出的 DynaSaur 是一个突破性的大语言模型代理框架，它允许代理动态创建和组合动作，通过生成和执行 Python 代码与环境互动，从而实现更灵活的问题解决。DynaSaur 不仅在 GAIA 基准测试中表现出色，还具有动态动作创建、动作积累与复用、环境互动等主要功能，适用于多种应用场景。

  
• 11.28 00:48:38
  发表了文章 2024-11-28 00:48:38

  MVPaint：腾讯PCG联合多所高校共同推出的3D纹理生成框架

  MVPaint是由腾讯PCG联合多所高校共同推出的3D纹理生成框架，基于同步多视角扩散技术，实现高分辨率、无缝且多视图一致的3D纹理生成。该框架包含三个核心模块：同步多视角生成、空间感知3D修补和UV细化，显著提升3D模型的纹理生成效果。

  
• 11.27 23:45:18
  发表了文章 2024-11-27 23:45:18

  aisuite：吴恩达发布开源Python库，一个接口调用多个大模型

  吴恩达发布的开源Python库aisuite，提供了一个统一的接口来调用多个大型语言模型（LLM）服务。支持包括OpenAI、Anthropic、Azure等在内的11个模型平台，简化了多模型管理和测试的工作，促进了人工智能技术的应用和发展。

  
• 11.27 23:44:28
  发表了文章 2024-11-27 23:44:28

  OpenScholar：华盛顿大学联合艾伦研究所开源的学术搜索工具

  OpenScholar是由华盛顿大学和艾伦AI研究所联合开发的开源学术搜索工具，旨在通过检索和综合科学文献中的相关论文来回答用户问题。该工具利用大规模科学论文数据库、定制的检索器和重排器，以及一个优化的8B参数语言模型，生成基于实际文献的准确回答。OpenScholar在提供事实性回答和准确引用方面超越了现有的专有和开源模型，所有相关代码和数据均已开源，支持并加速科学研究。

  
• 11.27 23:43:41
  发表了文章 2024-11-27 23:43:41

  LongAlign：港大推出的提升文本到图像扩散模型处理长文本对齐方法

  LongAlign是由香港大学研究团队推出的文本到图像扩散模型的改进方法，旨在提升长文本输入的对齐精度。通过段级编码技术和分解偏好优化，LongAlign显著提高了模型在长文本对齐任务上的性能，超越了现有的先进模型。

  
• 11.27 23:42:57
  发表了文章 2024-11-27 23:42:57

  LTX Video：Lightricks推出的开源AI视频生成模型

  LTX Video是由Lightricks推出的开源AI视频生成模型，能够在4秒内生成5秒的高质量视频。该模型基于2亿参数的DiT架构，确保帧间平滑运动和结构一致性，支持长视频制作，适用于多种场景，如游戏图形升级和电子商务广告变体制作。

  
• 11.27 23:42:08
  发表了文章 2024-11-27 23:42:08

  AutoVFX：自然语言驱动的视频特效编辑框架

  AutoVFX是一个先进的自然语言驱动的视频特效编辑框架，由伊利诺伊大学香槟分校的研究团队开发。该框架能够根据自然语言指令自动创建真实感和动态的视觉特效（VFX）视频，集成了神经场景建模、基于大型语言模型（LLM）的代码生成和物理模拟技术。本文详细介绍了AutoVFX的主要功能、技术原理以及如何运行该框架。

  
• 11.27 23:41:12
  发表了文章 2024-11-27 23:41:12

  OmniBooth：华为诺亚方舟联合港科大推出的图像生成框架

  OmniBooth是由华为诺亚方舟实验室和港科大研究团队联合推出的图像生成框架，支持基于文本提示或图像参考进行空间控制和实例级定制。该框架通过用户定义的掩码和相关联的文本或图像指导，精确控制图像中对象的位置和属性，提升文本到图像合成技术的可控性和实用性。

  
• 11.27 23:40:29
  发表了文章 2024-11-27 23:40:29

  HART：麻省理工学院推出的自回归视觉生成模型

  HART（Hybrid Autoregressive Transformer）是麻省理工学院推出的自回归视觉生成模型，能够直接生成1024×1024像素的高分辨率图像，质量媲美扩散模型。HART基于混合Tokenizer技术，显著提升了图像生成质量和计算效率，适用于数字艺术创作、游戏开发、电影和视频制作等多个领域。
• 11.27 23:39:29
  发表了文章 2024-11-27 23:39:29

  WebDreamer：基于大语言模型模拟网页交互增强网络规划能力的框架

  WebDreamer是一个基于大型语言模型（LLMs）的网络智能体框架，通过模拟网页交互来增强网络规划能力。它利用GPT-4o作为世界模型，预测用户行为及其结果，优化决策过程，提高性能和安全性。WebDreamer的核心在于“做梦”概念，即在实际采取行动前，用LLM预测每个可能步骤的结果，并选择最有可能实现目标的行动。

  
• 11.24 23:42:38
  发表了文章 2024-11-24 23:42:38

  VideoChat：高效学习新神器！一键解读音视频内容，结合 AI 生成总结内容、思维导图和智能问答

  VideoChat 是一款智能音视频内容解读助手，支持批量上传音视频文件并自动转录为文字。通过 AI 技术，它能快速生成内容总结、详细解读和思维导图，并提供智能对话功能，帮助用户更高效地理解和分析音视频内容。

  
• 11.22 22:08:05
  发表了文章 2024-11-22 22:08:05

  今日 AI 开源｜共 12 项｜开源的DIY健康追踪项目，基于低成本的智能戒指构建私人的健康监测应用

  本文介绍了多个开源项目，涵盖了从量子计算错误纠正到视频生成和编辑的广泛应用领域。这些项目展示了AI技术在不同领域的创新和应用潜力。

  
• 11.22 21:59:17
  发表了文章 2024-11-22 21:59:17

  Open Interpreter：AI 赋能终端！在终端中对话AI模型进行编程，通过运行代码来完成各种计算机操作任务

  Open Interpreter 是一个让语言模型运行代码的强大工具，提供了一个类似 ChatGPT 的界面，支持多种编程语言和丰富的功能。

  
• 11.22 21:53:33
  发表了文章 2024-11-22 21:53:33

  AI Shell：在命令行里“对话” AI ，微软推出将 AI 助手引入命令行的 CLI 工具，打造对话式交互命令行

  AI Shell 是一款强大的 CLI 工具，将人工智能直接集成到命令行中，帮助用户提高生产力。AI Shell 支持多种 AI 模型和助手，通过多代理框架提供丰富的功能和灵活的使用模式。
• 11.21 19:40:22
  发表了文章 2024-11-21 19:40:22

  今日 AI 开源｜共 4 项｜DeepSeek 推出新一代 AI 推理模型，实力比肩 OpenAI o1-preview！

  本文介绍了四个最新的 AI 开源项目，涵盖多模态生成式 AI、自然语言到 SQL 转化、多模态数学推理和复杂逻辑推理等多个领域，为 AI 应用开发提供了丰富的资源和工具。

  
• 11.21 17:11:48
  发表了文章 2024-11-21 17:11:48

  最佳实践！使用 GraphRAG + GLM-4 对《红楼梦》全文构建中文增强检索

  特别介绍`graphrag-practice-chinese`项目，这是一个针对中文优化的GraphRAG应用实例，通过改进文本切分策略、使用中文提示词及选择更适合中文的模型等手段，显著提升了处理中文内容的能力。项目不仅包括详细的搭建指南，还提供了《红楼梦》全文的索引构建与查询测试示例，非常适合个人学习和研究。
• 11.21 17:07:23
  发表了文章 2024-11-21 17:07:23

  WebChat：开源的网页内容增强问答 AI 助手，基于 Chrome 扩展的最佳实践开发，支持自定义 API 和本地大模型

  WebChat 是一个基于 Chrome 扩展开发的 AI 助手，能够帮助用户理解和分析当前网页的内容，支持自定义 API 和本地大模型。
• 11.20 22:27:17
  发表了文章 2024-11-20 22:27:17

  今日 AI 开源｜共 10 项｜ 复合 AI 模型，融合多个开源 AI 模型组合解决复杂推理问题

  今日 AI 简报涵盖多项技术革新，包括多模态检索增强生成框架、高保真虚拟试穿、视频生成、生成式软件开发、上下文感知记忆管理等，展示了 AI 在多个领域的广泛应用和显著进步。

  
• 11.20 22:26:03
  发表了文章 2024-11-20 22:26:03

  Documind：开源 AI 文档处理工具，将 PDF 转换为图像提取结构化数据

  Documind 是一款利用 AI 技术从 PDF 中提取结构化数据的先进文档处理工具，支持灵活的本地或云端部署。

  
• 11.20 22:25:16
  发表了文章 2024-11-20 22:25:16

  Memoripy：支持 AI 应用上下文感知的记忆管理 Python 库

  Memoripy 是一个 Python 库，用于管理 AI 应用中的上下文感知记忆，支持短期和长期存储，兼容 OpenAI 和 Ollama API。

  
• 11.20 22:24:35
  发表了文章 2024-11-20 22:24:35

  Perplexica：开源 AI 搜索引擎，Perplexity AI 的开源替代品，支持多种搜索模式、实时信息更新

  Perplexica 是一款开源的 AI 驱动搜索引擎，支持多种搜索模式和实时信息更新，适用于个人、学术和企业等不同场景。

  
• 11.20 21:55:31
  发表了文章 2024-11-20 21:55:31

  OmniSearch：阿里巴巴通义推出的多模态检索增强生成框架

  本文介绍了阿里巴巴通义实验室推出的多模态检索增强生成框架 OmniSearch，该框架具备自适应规划能力，能够动态拆解复杂问题，根据检索结果和问题情境调整检索策略，从而提升检索效率和准确性。

  

2020年03月

• 03.23 02:17:00
  提交了问题 2020-03-23 02:17:00

  oss 上传图片成功能够put，但视频put失败返回403