DevDocs是一款基于智能爬虫技术的开源工具，支持1-5层深度网站结构解析，能将技术文档处理时间从数周缩短至几小时，并提供Markdown/JSON格式输出与AI工具无缝集成。

OmniCam是由浙江大学与上海交通大学联合研发的多模态视频生成框架，通过LLM与视频扩散模型结合实现高质量视频生成，支持文本、轨迹和图像等多种输入模态。

Amodal3R是一种创新的条件式3D生成模型，通过掩码加权多头交叉注意力机制和遮挡感知层，能够从部分可见的2D图像中重建完整3D形态，仅用合成数据训练即可实现真实场景的高精度重建。

阿里巴巴最新推出的TaoAvatar技术，通过3D高斯溅射实现照片级虚拟人实时渲染，支持多信号驱动与90FPS流畅运行，将彻底改变电商直播与远程会议体验。

MT-TransformerEngine 是摩尔线程开源的高效训练与推理优化框架，专为 Transformer 模型设计，通过算子融合、并行加速等技术显著提升训练效率，支持 FP8 混合精度训练，适用于 BERT、GPT 等大型模型。

MHA2MLA是复旦大学、华东师范大学、上海AI Lab等机构联合推出的数据高效微调方法，通过引入多头潜在注意力机制（MLA），显著优化基于Transformer的LLM推理效率，降低推理成本。

OpenManus 是 MetaGPT 团队推出的开源 AI Agent 复刻版，支持多种语言模型和工具链，能够执行代码、处理文件、搜索网络信息等复杂任务，具备实时反馈机制和灵活的配置选项。

Chat2SVG 是一个创新的文本到矢量图形生成框架，结合大型语言模型和图像扩散模型，通过多阶段流程生成高质量的 SVG 图形，支持自然语言指令编辑，适用于设计、教育和艺术创作等领域。

CogView4 是智谱推出的开源文生图模型，支持中英双语输入和任意分辨率图像生成，特别优化了中文文字生成能力，适合广告、创意设计等场景。

AxBench 是由斯坦福大学推出，用于评估语言模型可解释性方法的基准测试框架，支持概念检测和模型转向任务，帮助研究者系统地比较不同控制技术的有效性。

Goedel-Prover 是一款由普林斯顿大学和清华大学等机构联合推出的开源模型，专注于自动化数学问题的形式证明生成。它通过将自然语言数学问题翻译成形式语言（如 Lean 4），显著提升了数学问题的证明效率。

Seer是由上海AI实验室与北大等机构联合推出的端到端操作模型，结合视觉预测与动作执行，显著提升机器人任务成功率。

AIOpsLab 是微软等机构推出的开源框架，支持云服务自动化运维，涵盖故障检测、根本原因分析等完整生命周期。

CreatiLayout 是复旦大学与字节跳动联合推出的创新布局到图像生成技术，通过大规模数据集和孪生多模态扩散变换器，实现高质量图像生成与布局优化。

LongDocURL 是由中科院与淘天集团联合推出的多模态长文档理解基准数据集，涵盖 2,325 个问答对，支持复杂文档的理解、推理和定位任务。

VidTok 是微软开源的一款先进的视频分词器，支持连续和离散分词化，能够高效地将视频内容转换为视觉 Token，适用于多种应用场景。

CogAgent-9B 是智谱AI基于 GLM-4V-9B 训练的专用Agent任务模型，支持高分辨率图像处理和双语交互，能够预测并执行GUI操作，广泛应用于自动化任务。

DisPose是由北京大学、中国科学技术大学、清华大学和香港科技大学联合推出的增强人物图像控制动画质量的技术。该技术通过从骨骼姿态和参考图像中提取控制信号，生成密集运动场，并保持对不同体型的泛化能力，显著提升了人物图像动画的质量和一致性。

🙋魔搭ModelScope本期社区进展：📟1914个模型，📁58个数据集，🎨78个创新应用，📄 8篇内容

随着数字化转型加速，企业面临的技术和业务环境日益复杂，传统架构难以应对快速变化的需求。企业架构治理成为数字化转型的关键，通过确保技术与战略对接、优化资源利用、降低风险和复杂性，提升企业灵活性、效率和创新能力，支持快速响应市场变化，推动数字化转型成功。

2024 年 5 月，上海人工智能实验室司南 OpenCompass 团队携手魔搭 ModelScope，联合推出了大模型评测平台——CompassArena（大模型竞技场），为大模型领域引入了一种全新的竞技模式。

EXAONE 3.5 是 LG AI 研究院推出的开源 AI 模型，擅长长文本处理，能够有效降低模型幻觉问题。该模型提供 24 亿、78 亿和 320 亿参数的三个版本，支持多步推理和检索增强生成技术，适用于多种应用场景。

VISION XL是一款基于潜在扩散模型的高效视频修复和超分辨率工具，能够修复视频缺失部分、去除模糊，并支持四倍超分辨率。该工具优化了处理效率，适合快速处理视频的应用场景。

See3D 是智源研究院推出的无标注视频学习 3D 生成模型，能够从大规模无标注的互联网视频中学习 3D 先验，实现从视频中生成 3D 内容。See3D 采用视觉条件技术，支持从文本、单视图和稀疏视图到 3D 的生成，并能进行 3D 编辑与高斯渲染。

EasyNetQ是专为.NET环境设计的RabbitMQ客户端API，简化了与RabbitMQ的交互过程。通过NuGet安装EasyNetQ，可轻松实现消息的发布与订阅，支持多种消息模式及高级特性。文中提供了详细的安装步骤、代码示例及基础知识介绍，帮助开发者快速上手。关注公众号“Net分享”获取更多技术文章。

OminiControl 是一个高度通用且参数高效的 AI 图像生成框架，专为扩散变换器模型设计，能够实现图像主题控制和空间精确控制。该框架通过引入极少量的额外参数（0.1%），支持主题驱动控制和空间对齐控制，适用于多种图像生成任务。

MagicQuill通过结合编辑处理器、绘画助手和创意收集器三大功能，解决了图片精准、高效编辑的难题，用户可以通过三种简单的魔法画笔（添加、删除和上色）来编辑图片。