在这个春天里，小鲸鱼的DeepSeek-R1系列在模型社区掀起的巨大浪潮尚未平息，我们又迎来了千问的QwQ-32B正式版本，社区在Reasoning模型上的热情还在升温。除此之外，业界其他模型在过去一

魔搭ModelScope本期社区进展：1066个模型，153个数据集，125个创新应用，13篇内容

由北京大学和微软亚洲研究院的魏李等人提出的 FEA-Bench，是一个专为评估大型语言模型（LLMs）在代码库级别进行增量开发能力的基准测试。它从 83 个 GitHub 仓库中收集了 1,401 个任务实例，专注于新功能的实现。研究表明，即使是先进的 LLMs 在此任务中的表现仍远低于预期，揭示了仓库级代码开发的重大挑战。

简要介绍：由复旦大学、上海AI实验室等机构提出了首个统一多模态理解和生成的奖励模型UnifiedReward。该工作构建了大规模人类偏好数据集，包含图像和视频生成/理解任务，并利用该模型进行自动构建高质量偏好对数据，最终通过DPO优化视觉模型。实验结果表明，联合学习评估多样化视觉任务可以带来显著的相互益处。

由马里兰大学团队提出的CoSTA*，针对多轮图像编辑任务设计了一种成本敏感的工具路径代理。该工作结合大语言模型（LLM）的子任务规划与A搜索算法，构建了一个高效的工具选择路径，不仅降低了计算成本，还提升了图像编辑质量。通过视觉语言模型评估子任务输出，CoSTA能在失败时快速调整路径，并在全新多轮图像编辑基准测试中超越现有最佳模型。

由新加坡国立大学Show Lab的Lingmin Ran和Mike Zheng Shou提出，TPDiff是一个创新的视频扩散模型框架，针对视频生成的高计算需求问题，通过分阶段逐步提高帧率优化了训练和推理效率。核心贡献包括提出“时间金字塔”方法和阶段式扩散训练策略，实验表明训练成本降低50%，推理效率提升1.5倍。

3月14日，创造出病毒级虚拟助手 Maya 的Sesame团队开源了他们的语音生成模型 CSM-1b，可根据文本和音频输入生成 RVQ 音频代码。这意味着，我们每个人都可以0成本拥有一个真正的AI伴侣了，甚至可以自己动手搭建、测试和改进模型。

随着大语言模型的迅速发展，模型的推理能力得到了显著提升。特别是长推理模型（Long Reasoning Models），如OpenAI的o1、DeepSeek-R1、QwQ-32B和Kimi K1.5等，因其展现出类似人类的深度思考能力而备受关注。这些模型通过长时间推理（Inference-Time Scaling），能够在解码阶段不断思考并尝试新的思路来得到正确的答案。

本文详细记录了一名项目经理对阿里云Quick BI的全面评测过程。从申请试用账号到数据上传、数据集创建，再到可视化分析与智能功能体验，作者深入探讨了Quick BI的各项功能。文中提到Quick BI具备强大的数据处理能力和友好的用户界面，尤其在可视化和智能化方面表现出色。但同时也指出了数据清洗功能不足、图表配置有限及智能助手能力需提升等问题。整体而言，Quick BI是一款适合项目经理高效分析数据的工具，未来若能优化上述问题，将更具竞争力。

本文介绍了一款校园外卖平台的设计与实现过程。该平台采用Java的SSM框架进行后台管理开发，使用MySQL作为本地数据库，并通过微信小程序为用户提供便捷的操作界面。系统包括管理员、用户和商家三个角色，功能涵盖个人中心、用户及商家管理、菜品分类与信息管理、订单处理等。管理员可在浏览器上登录管理后台数据，用户与商家则通过微信小程序注册登录，分别实现订餐与菜品管理功能。此平台具备界面清晰、操作简单、功能齐全的特点，有助于提升校园外卖管理的效率与规范性。

这是一份使用DeepSeek快速创建个人网站的10分钟指南。内容分为四个步骤：搭建基础架构（HTML框架）、设计核心内容区块（关于我、作品展示等）、快速配置样式（CSS美化页面）以及添加联系表单并部署到GitHub Pages。通过简单的代码和DeepSeek的智能辅助功能，用户可以轻松实现个性化调整，如更换主题色、增加模块或优化响应式设计。虽然整体流程简单高效，但可能因功能有限或美观度不足而需进一步扩展与改进。

Botgroup.chat 是一款基于 React 和 Cloudflare Pages 的开源 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。

MT-MegatronLM 是摩尔线程推出的面向全功能 GPU 的开源混合并行训练框架，支持多种模型架构和高效混合并行训练，显著提升 GPU 集群的算力利用率。

本文介绍如何在Mac本地部署和使用大模型，包括基础运行、多模态扩展、交互优化、知识增强、定制进化等技术链路，并提供Ollama、Stable Diffusion、LM-Studio等工具的详细操作指南。

由Cohere、SEACrowd等机构联手打造，SEA-VL是一个面向东南亚地区的多文化视觉-语言数据集，填补了AI模型在该地区文化细微差别理解上的空白。该工作通过众包、爬取和生成三种方式收集了128万张文化相关图像，结合本地贡献者确保数据的高质量和多样性，推动了更具包容性的AI发展。

MV-MATH 是中科院自动化所推出的多模态数学推理基准数据集，旨在评估多模态大语言模型在多视觉场景中的数学推理能力。该数据集包含2009个高质量的数学问题，涵盖11个数学领域和3个难度级别，适用于智能辅导系统和多模态学习研究。

在通义万相Wan2.1的文生视频模型的基础上训练LoRA模型，以《西游记》的经典人物或故事为背景，描绘一个创作者心中的西游场景。参赛者根据自己的创意自定义故事内容，选择用任意的视觉风格和叙事手法进行演绎，展现 AI 在风格迁移、内容创意和叙事变化上的可能性。

随着 DeepSeek R1 的推出，强化学习在大模型领域的潜力被进一步挖掘。Reinforcement Learning with Verifiable Reward (RLVR) 方法的出现，为多模态任务提供了全新的优化思路，无论是几何推理、视觉计数，还是经典图像分类和物体检测任务，RLVR 都展现出了显著优于传统监督微调（SFT）的效果。

由俄罗斯多家机构提出的RuCCoD，聚焦于俄语临床编码自动化的可行性研究。俄语作为生物医学资源有限的语言，该工作构建了一个包含超过1万实体和1500+独特ICD码的电子健康记录数据集，并测试了BERT、LLaMA和RAG等模型。实验表明，使用自动预测编码训练的模型显著优于医生手动标注，提升了准确性。这一成果为资源匮乏语言的临床效率和数据精度提供了宝贵洞见。

由Skolkovo科技学院等机构提出的这项研究，聚焦于人工智能文本检测（ATD）的可解释性提升。利用Sparse Autoencoders（SAE）从Gemma-2-2b模型中提取特征，该工作揭示了现代大语言模型（LLM）与人类文本的差异，尤其是在信息密集领域，展现了独特的写作风格，为ATD提供了新的见解和方法。

有偿创建 CosyVoice2-0.5B 大模型，希望有人能帮忙在创空间 创建一个这样的模型，官方的老出502

基于微信小程序的移动学习平台旨在解决传统APP占用过多手机存储空间的问题，提升用户体验。该平台使用微信开发者工具开发前端，SSM框架和Java语言开发后台，并采用MySQL数据库保存数据。系统支持管理员对教师、课程、学生信息进行管理，教师可查看及审核作业，管理课程资源；学生能提交作业、查看审核结果并收藏或评论课程资源。此平台使用户无需安装独立APP即可访问学习内容，极大提升了便捷性和管理效率。 关键词：基于微信小程序的移动学习平台；微信开发者工具；SSM框架

VideoPainter 是由香港中文大学、腾讯ARC Lab等机构联合推出的视频修复和编辑框架，基于双分支架构和预训练扩散模型，支持任意长度视频的修复与编辑，具备背景保留、前景生成、文本指导编辑等功能，为视频处理领域带来新的突破。

TrajectoryCrafter 是腾讯与香港中文大学联合推出的单目视频相机轨迹重定向技术，支持后期自由调整视频的相机位置和角度，生成高质量的新型轨迹视频，广泛应用于沉浸式娱乐、创意视频制作等领域。

COMET是字节跳动推出的针对Mixture-of-Experts（MoE）模型的优化系统，通过细粒度的计算-通信重叠技术，显著提升分布式训练效率，支持多种并行策略和大规模集群部署。

Nanobrowser 是一款开源的 Chrome 扩展工具，基于多智能体系统实现复杂的网页任务自动化，支持多种大型语言模型，完全免费且注重隐私保护。

Heygem 是硅基智能推出的开源数字人模型，支持快速克隆形象和声音，30秒内完成克隆，60秒内生成4K超高清视频，适用于内容创作、直播、教育等场景。

IMAGPose 是南京理工大学推出的用于人体姿态引导图像生成的统一条件框架，解决了传统方法在姿态引导的人物图像生成中的局限性，支持多场景适应、细节与语义融合、灵活的图像与姿态对齐以及全局与局部一致性。

AppAgentX 是西湖大学推出的新型自我进化式 GUI 代理框架，通过记忆和进化机制提升智能手机交互的效率和智能性，支持复杂任务和跨应用操作，显著优于现有方法。