MVGenMaster：复旦联合阿里等实验室推出的多视图扩散模型
MVGenMaster是由复旦大学、阿里巴巴达摩院和湖潘实验室联合推出的多视图扩散模型，专注于新视角合成（NVS）任务。该模型通过整合3D先验信息，显著提升了NVS的泛化和3D一致性，并能从单一图像生成多达100个新视图。此外，研究团队还推出了包含160万场景的大型多视图图像数据集MvD-1M，以支持模型的训练和优化。
大模型时代下的文档智能 | 文档解析（大模型版）
文档智能（Document Mind）是基于阿里巴巴达摩院技术打造的多模态文档识别与理解引擎，提供通用文档智能、行业文档智能和文档自学习能力，满足各类智能文档处理需求。尤其在企业中，它能有效处理文本、图片、扫描件等多种非结构化文档，释放数据价值。本文将介绍文档智能的应用场景、产品架构及其核心功能——文档解析（大模型版），并展示其在线体验与API接口调用方法。
光储荷经济性调度问题【数学规划的应用（含代码）】阿里达摩院MindOpt
本文介绍使用MindOpt工具优化光储荷经济性调度的数学规划问题。光储荷经济性调度技术旨在最大化能源利用率和经济效益，应用场景包括分布式光伏微网、家庭能源管理系统、商业及工业用电、电力市场参与者等。文章详细阐述了如何通过数学规划方法解决虚拟电厂中的不确定性与多目标优化难题，并借助MindOpt云建模平台、MindOpt APL建模语言及MindOpt优化求解器实现问题建模与求解。最终案例展示了如何通过合理充放电策略减少37%的电费支出，实现经济与环保双重效益。读者可通过提供的链接获取完整源代码。
切割问题【数学规划的应用（含代码）】阿里达摩院MindOpt
本文主要讲述了使用MindOpt工具对切割问题进行优化的过程与实践。切割问题是指从一维原材料（如木材、钢材等）中切割出特定长度的零件以满足不同需求，同时尽可能减少浪费的成本。文章通过实例详细介绍了如何使用MindOpt云上建模求解平台及其配套的MindOpt APL建模语言来解决此类问题，包括数学建模、代码实现、求解过程及结果分析等内容。此外，还讨论了一维切割问题的应用场景，并对其进行了扩展，探讨了更复杂的二维和三维切割问题。通过本文的学习，读者能够掌握利用MindOpt工具解决实际切割问题的方法和技术。
智慧楼宇多目标调度问题【数学规划的应用(含代码)】阿里达摩院MindOpt
本文探讨了使用MindOpt工具优化智慧楼宇的多目标调度问题，特别是在虚拟电厂场景下的应用。智慧楼宇通过智能化技术综合考虑能耗、舒适度等多目标，实现楼宇设备的有效管理和调度。虚拟电厂作为多能源聚合体，能够参与电力市场，提供调峰、调频等辅助服务。文章介绍了如何使用MindOpt云上建模求解平台及MindOpt APL建模语言对楼宇多目标调度问题进行数学建模和求解，旨在通过优化储能设备的充放电操作来最小化用电成本、碳排放成本和功率变化成本，从而实现经济、环保和电网稳定的综合目标。最终结果显示，在使用储能设备的情况下，相比不使用储能设备的情形，成本节约达到了约48%。