modelscope_社区达人页

2025年03月

• 03.13 10:59:08
  发表了文章 2025-03-13 10:59:08

  今日热门论文推荐：MM-Eureka、FedRand、EasyControl、FEA-Bench

  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。
• 03.11 10:25:10
  发表了文章 2025-03-11 10:25:10

  QwQ-32B，支持Function Call的推理模型，深度思考Agent的时代来了！

  近期，Qwen 发布了 QwQ-32B - 一个在许多基准测试中性能可与 DeepSeek-R1 相媲美的推理模型。
• 03.11 10:22:57
  发表了文章 2025-03-11 10:22:57

  解读 | 金融长上下文基准测试FailSafeQA：解锁金融领域LLM真实的审慎性和容错性

  近年来，大型语言模型（LLMs）在金融领域的应用如火如荼，从风险分析到客户服务，它们正逐步改变行业的游戏规则。然而，这些模型是否真的足够“靠谱”？面对复杂的金融数据和多变的用户输入，它们还能保持精准和稳健吗？

  
• 03.11 09:43:00
  发表了文章 2025-03-11 09:43:00

  腾讯开源HunyuanVideo-I2V图生视频模型+LoRA训练脚本，社区部署、推理实战教程来啦！

  继阿里的通义万相wan2.1模型之后，腾讯混元又出大招，重磅发布HunyuanVideo-I2V图生视频模型。
• 03.10 11:16:32
  发表了文章 2025-03-10 11:16:32

  魔搭社区模型速递（3.2-3.8）

  🙋魔搭ModelScope本期社区进展：1340个模型,220个数据集,🎨91个创新应用,📄 8篇内容
• 03.07 10:00:36
  发表了文章 2025-03-07 10:00:36

  QwQ-32B开源！更小尺寸，仅1/20参数性能比肩满血R1

  今天，通义千问开源了推理模型QwQ-32B
• 03.06 11:16:03
  发表了文章 2025-03-06 11:16:03

  微软Phi-4系列开源：多模态与文本处理的创新突破

  微软近期推出 Phi-4-multimodal 和 Phi-4-mini，这些模型是 Microsoft Phi 系列小型语言模型 (SLM) 中的最新模型。Phi-4-multimodal 能够同时处理语音、视觉和文本，为创建创新且具有上下文感知能力的应用程序开辟了新的可能性。另一方面，Phi-4-mini 在基于文本的任务方面表现出色，以紧凑的形式提供高精度和可扩展性。
• 03.06 11:14:19
  发表了文章 2025-03-06 11:14:19

  打造跨语言智能工具与应用，“万卷·丝路”专项课题开放申请

  随着共建“一带一路”进入高质量发展阶段，全球开发者对于多语言模型训练的需求不断增长，上海AI实验室联合大模型语料数据联盟成员发布了“万卷·丝路”多语言预训练语料库，为多语言大模型训练提供高质量数据支撑，助力全球开发者构建跨语言智能工具与应用。
• 03.05 12:01:13
  发表了文章 2025-03-05 12:01:13

  CogView4开源发布！智谱AI文生图模型支持任意长度双语输入，汉字生成能力突出，可商用！

  今天智谱AI正式发布并开源了最新的图像生成模型——CogView4。

  
• 03.05 11:59:25
  发表了文章 2025-03-05 11:59:25

  CLIPer：开创性框架提升CLIP空间表征，实现开放词汇语义分割突破

  对比语言-图像预训练（CLIP）在多种图像级任务上表现出强大的零样本分类能力，促使研究行人尝试将CLIP应用于像素级开放词汇语义分割，而无需额外训练。关键在于提升图像级CLIP的空间表征能力，例如，用自-自注意力图或基于视觉基础模型的自注意力图替换最后一层的自注意力图。本文提出了一种新颖的分层框架CLIPer，该框架分层提升了CLIP的空间表征能力。
• 03.04 18:39:34
  发表了文章 2025-03-04 18:39:34

  高效部署通义万相Wan2.1：使用Gradio搭建WebUI体验实战

  随着通义万相Wan2.1 在社区的热度持续上涨，魔搭创空间的体验Demo（https://modelscope.cn/studios/Wan-AI/Wan-2.1）已经排起长队。
• 03.04 18:37:22
  发表了文章 2025-03-04 18:37:22

  高效部署通义万相Wan2.1：ComfyUI文生/图生视频实战，工作流直取！

  通义万相Wan2.1开源不到一周，已登顶HuggingFace Model 和 Space 榜双榜首，在HuggingFace和ModelScope平台的累计下载量突破100万次，社区热度持续攀升！为响应小伙伴们对ComfyUI工作流运行Wan2.1的强烈需求，社区开发者整理了实战教程👇

  
• 03.03 13:29:06
  发表了文章 2025-03-03 13:29:06

  魔搭社区模型速递（2.16-3.1）

  🙋魔搭ModelScope本期社区进展：📟2621个模型，Ovis2系列模型等，📁276个数据集，🎨203个创新应用，📄 12篇技术内容
• 03.03 13:27:39
  发表了文章 2025-03-03 13:27:39

  人人都是应用开发者：AI时代的全栈产品经理实践

  本文试图最短路径、最轻模式来做一个应用，实现一个需求！仅需三大步+9小步，以下为手把手教学流程。
• 03.03 13:26:29
  发表了文章 2025-03-03 13:26:29

  HumanOmni：首个专注人类中心场景的多模态大模型，视觉与听觉融合的突破！

  HumanOmni是业内首个理解以人为中心的场景，可以同时处理视觉信息、音频信息的多模态大模型。

  
• 03.03 13:25:06
  发表了文章 2025-03-03 13:25:06

  无需微调！扩散模型新突破：Attentive Eraser高效稳定移除目标物体

  最近，扩散模型在生成模型领域异军突起，凭借其独特的生成机制在图像生成方面大放异彩，尤其在处理高维复杂数据时优势明显。然而，尽管扩散模型在图像生成任务中表现优异，但在图像目标移除任务中仍然面临诸多挑战。现有方法在移除前景目标后，可能会留下残影或伪影，难以实现与背景的自然融合。

2025年02月

• 02.28 10:00:39
  发表了文章 2025-02-28 10:00:39

  强强联合，开源中文DeepSeek-R1蒸馏数据集联合魔搭社区，一起来训练中文版推理模型！

  近期，刘聪NLP开源了开源中文DeepSeek-R1（满血）蒸馏数据集包括SFT版本和普通版本，话不多说，先放数据下载链接。
• 02.27 10:12:38
  发表了文章 2025-02-27 10:12:38

  英特尔显卡+魔搭社区，一行命令快速部署本地大模型

  近期，Intel和魔搭合作，在魔搭社区上线了Ollama 英特尔优化版镜像，该镜像提供基于 IPEX-LLM 的 Ollama 英特尔优化版，开发者可在英特尔GPU (如搭载集成显卡的个人电脑，Arc 独立显卡等) 上直接免安装运行 Ollama。
• 02.26 10:57:10
  发表了文章 2025-02-26 10:57:10

  通义万相Wan2.1视频模型开源！视频生成模型新标杆，支持中文字效+高质量视频生成

  2025年1月，阿里通义万相Wan2.1模型登顶Vbench榜首第一，超越Sora、HunyuanVideo、Minimax、Luma、Gen3、Pika等国内外视频生成模型。而在今天，万相Wan2.1视频生成大模型正式开源！
• 02.25 13:58:40
  发表了文章 2025-02-25 13:58:40

  Kimi开源Moonlight-16B-A3B：基于Muon优化器的高效大模型，性能与效率双突破！

  最近，Muon优化器在训练小规模语言模型方面展示了强大的效果，但其在大规模模型上的可扩展性尚未得到验证。
• 02.24 11:04:27
  发表了文章 2025-02-24 11:04:27

  PromptScope: 一个灵活高效的In-Context Training框架

  PromptScope 是一个同时支持中英文的 In-Context Training 框架，专为大型语言模型（LLM）性能调优设计。
• 02.24 11:03:15
  发表了文章 2025-02-24 11:03:15

  阿里国际Ovis2系列模型开源：多模态大语言模型的新突破

  Ovis是阿里巴巴国际化团队提出的新型多模态大模型架构，通过巧妙地将视觉和文本嵌入进行结构化对齐，为解决模态间嵌入策略差异这一局限性提供了方案。

  
• 02.19 19:00:27
  发表了文章 2025-02-19 19:00:27

  SPO来袭：Prompt工程师90%不存在了？AI自动优化时代开启！

  当你点进这个标题时内心是怎样复杂的心情，质疑，鄙夷，或者是惊讶？这也正是我们最初点开这篇论文时的心情。然而, 在完成项目测试后, 我们瘫坐在椅子上, 默默打下了 'Prompt工程师,不存在' 这几个
• 02.19 16:15:56
  发表了文章 2025-02-19 16:15:56

  王炸组合，阶跃星辰SOTA模型Step-Video和Step-Audio模型开源

  2025 年 2 月 18 号，阶跃星辰宣布开源了两款 Step 系列多模态模型——Step-Video-T2V 视频生成模型和 Step-Audio 语音交互模型。
• 02.19 14:09:21
  发表了文章 2025-02-19 14:09:21

  GDC2025 | 探索最前沿的开源大模型技术与创新，2025全球开发者先锋大会，上海见！

  2025全球开发者先锋大会将于2月21-23日在徐汇盛大召开！大会以“模塑全球 无限可能”为主题，定位“社区的社区”，旨在促进基模、垂模、语料、算力、基金、开发者、软件服务等产业生态深度对接。
• 02.18 11:44:38
  发表了文章 2025-02-18 11:44:38

  ModelScope魔搭25年2月版本发布月报

  新春佳节的鞭炮声已经渐渐远去，在刚刚过去的一个月里，小鲸鱼给全球的开发者带来了一个不平凡的春节。DeepSeek-R1一系列开源模型的发布，给大家带来了惊喜和震动。所有人的热情，也给ModelScope社区带来了前所未见的巨大下载需求和流量，在这个月里，我们进行了数次紧急扩容和线上优化，尽量为大家提供更好的支持与服务。非常感谢大家的陪伴和理解，我们会持续进行平台优化和开源工具的建设，服务好整个开源社区。
• 02.18 11:41:03
  发表了文章 2025-02-18 11:41:03

  GDC2025 | DeepSeek - AI PC 本地部署本周六向你发起挑战！

  本次活动以“OpenVINO™ 极客工坊 - 用AI PC点燃你的GenAI创意引擎！”为主题，特邀武卓博士与杨亦诚老师，为大家带来精彩的技术分享与动手实践。
• 02.17 11:43:03
  发表了文章 2025-02-17 11:43:03

  GDC2025 | DeepSeek-Qwen 模型蒸馏极限挑战赛，来了！（预赛报名）

  欢迎您关注由魔搭社区 x SwanLab平台联合举办的 DeepSeek-Qwen 模型蒸馏极限挑战赛！本赛事将作为2025全球开发者先锋大会（GDC）的活动之一，欢迎具备大模型训练/微调实战经验的独立开发者前来挑战！详细报名规则见后文。
• 02.17 11:39:09
  发表了文章 2025-02-17 11:39:09

  魔搭社区模型速递（1.19-2.15）

  魔搭ModelScope本期社区进展：6205个模型，823个数据集，333个创新应用， 26篇内容。

  
• 02.17 11:36:50
  发表了文章 2025-02-17 11:36:50

  C-3PO：多智能体强化学习赋能检索增强生成

  检索增强生成（Retrieval-augmented generation，RAG）作为一种关键范式，它通过融入外部知识来提升大型语言模型（LLMs）的能力。RAG的有效性很大程度上取决于检索器和大语言模型之间的对齐程度以及各组件间的紧密交互和协作。
• 02.17 11:35:23
  发表了文章 2025-02-17 11:35:23

  R1类模型推理能力评测手把手实战

  随着DeepSeek-R1模型的广泛应用，越来越多的开发者开始尝试复现类似的模型，以提升其推理能力。
• 02.14 10:46:40
  发表了文章 2025-02-14 10:46:40

  R1类模型推理能力评测手把手实战

  随着DeepSeek-R1模型的广泛应用，越来越多的开发者开始尝试复现类似的模型，以提升其推理能力。
• 02.13 09:58:54
  发表了文章 2025-02-13 09:58:54

  RWKV-7 2.9B 开源发布！纯 RNN 无 KV cache，支持世界所有语言

  2025 年 2 月 11 日，RWKV 基金会正式发布 RWKV-7-World-2.9B-V3 模型（以下简称 RWKV-7-2.9B）。
• 02.13 09:57:56
  发表了文章 2025-02-13 09:57:56

  AAAI 2025| S5VH: 基于选择性状态空间的高效自监督视频哈希

  随着短视频、流媒体平台的爆发式增长，如何高效地索引和检索视频数据成为计算机视觉和多媒体领域的重要研究问题。视频哈希（Video Hashing） 是一种通过学习紧凑的二进制编码来高效索引和检索视频的技术，其核心目标是使哈希码的汉明距离（Hamming Distance）能够准确地反映视频之间的语义相似性。
• 02.12 15:32:08
  发表了文章 2025-02-12 15:32:08

  AAAI 2025| S5VH: 基于选择性状态空间的高效自监督视频哈希

  AAAI 2025 论文 S5VH 提出基于选择性状态空间模型的高效自监督视频哈希方法，通过双向 Mamba 层和 Self-Local-Global 学习范式，显著提升视频检索性能与推理效率。
• 02.11 11:33:26
  发表了文章 2025-02-11 11:33:26

  又又又上新啦！魔搭免费模型推理API支持DeepSeek-R1，Qwen2.5-VL，Flux.1 dev及Lora等

  通过API接口进行标准化，能让开源模型以更加轻量和迅速的方式被开发者使用起来，并集成到不同的AI应用中。魔搭通过API-Inference，支持广大开发者无需本地的GPU和环境设置，就能轻松的依托不同开源模型的能力，展开富有创造力的尝试，与工具结合调用，来构建多种多样的AI应用原型。
• 02.10 11:10:51
  发表了文章 2025-02-10 11:10:51

  0元！使用魔搭免费算力，基于Qwen基座模型，复现DeepSeek-R1

  近期，随着DeepSeek-R1爆火，学术界掀起一股复现DeepSeek-R1的浪潮，李飞飞等斯坦福大学和华盛顿大学的研究人员以不到50美元的云计算费用，成功训练出了一个名为s1的人工智能推理模型。
• 02.08 14:26:31
  发表了文章 2025-02-08 14:26:31

  可控文生图：EliGen控制实体的位置细节变化

  为文生图模型增加额外的控制条件一直是AIGC社区研究的重点之一，如ControlNet, IP-Adapter等一直是热门可控生成方法。近期，魔搭社区联合浙江大学对实体级可控文生图进行了探索，并开发了EliGen模型。
• 02.08 14:24:10
  发表了文章 2025-02-08 14:24:10

  DeepSeek开源Janus-Pro多模态理解生成模型，魔搭社区推理、微调最佳实践

  Janus-Pro是DeepSeek最新开源的多模态模型，是一种新颖的自回归框架，统一了多模态理解和生成。

  
• 02.05 18:45:40
  发表了文章 2025-02-05 18:45:40

  阿里通义等提出Chronos：慢思考RAG技术助力新闻时间线总结

  在数字化时代，新闻信息的指数级增长使得从海量文本中提取和整理历史事件的时间线变得至关重要。为了应对这一挑战，阿里巴巴通义实验室与上海交通大学的中断者提出了一种基于Agent的新闻时间线摘要新框架——CH RONOS，源自希腊神话中的时间之神柯罗诺斯，该框架通过迭代多轮的自我提问方式，结合检索增强生成技术，从互联网上检索相关事件信息，并生成时间顺序的新闻摘要，为新闻时间线摘要生成提供了一种全新的解决方案。
• 02.05 18:42:40
  发表了文章 2025-02-05 18:42:40

  浙大通义联手推出慢思考长文本生成框架OmniThink，让AI写作突破知识边界

  随着大模型（LLMs）的发展，AI 写作取得了较大进展。然而，现有的方法大多依赖检索知识增强生成（RAG）和角色扮演等技术，其在信息的深度挖掘方面仍存在不足，较难突破已有知识边界，导致生成的内容缺乏深度和原创性。
• 02.05 17:16:19
  发表了文章 2025-02-05 17:16:19

  Qwen2.5-VL Cookbook来啦！手把手教你怎么用好视觉理解模型！

  今天，Qwen团队发布了一系列展示 Qwen2.5-VL 用例的Notebook，包含本地模型和 API 的使用。
• 02.05 17:11:05
  发表了文章 2025-02-05 17:11:05

  Qwen2.5-1M: 支持100万Tokens上下文的开源Qwen模型

  两个月前，Qwen团队升级了 Qwen2.5-Turbo，使其支持最多一百万个Tokens的上下文长度。今天，Qwen正式推出开源的 Qwen2.5-1M 模型及其对应的推理框架支持。
• 02.05 17:01:34
  发表了文章 2025-02-05 17:01:34

  春节来司南大模型对战竞技场，pick你的专属大模型搭档

  春节的脚步渐近，街头巷尾已经开始洋溢着浓浓的节日气氛，准备迎接新年的到来。怎么书写创意拉满的春联？年夜饭怎么规划才完美？什么样的祝福更有新意？家庭聚会、出游如何安排？

  
• 02.05 16:58:25
  发表了文章 2025-02-05 16:58:25

  MustDrop：多阶段去除冗余视觉token，提升多模态大模型推理效率

  本文提出了一种高效的多模态大模型，多阶段去除冗余视觉token——MustDrop。多模态大模型中的视觉tokens通常表现出显著的空间和时间冗余，并且大模型的大部分输入令牌是视觉tokens，这极大程度上影响了多模态大模型推理效率。

2025年01月

• 01.23 10:04:49
  发表了文章 2025-01-23 10:04:49

  统一多模态Embedding, 通义实验室开源GME系列模型

  随着多媒体应用的迅猛发展，用户产生的数据类型日益多样化，不再局限于文本，还包含大量图像、音频和视频等多模态信息。这为信息检索带来了前所未有的挑战与机遇。传统的信息检索模型多关注单一模态，如仅对文本或图像进行分析和搜索。
• 01.22 10:27:36
  发表了文章 2025-01-22 10:27:36

  Deepseek开源R1系列模型，纯RL助力推理能力大跃升！

  近期Deepseek正式发布 DeepSeek-R1，并同步开源模型权重。DeepSeek-R1 遵循 MIT License，允许用户通过蒸馏技术借助 R1 训练其他模型。
• 01.22 10:25:08
  发表了文章 2025-01-22 10:25:08

  OpenCSG开源SmolTalk Chinese数据集

  近年来，人工智能（AI）领域尤其是自然语言处理（NLP）技术的迅猛发展，正在深刻改变着各行各业的运作模式。从智能客服到内容生成，从自动翻译到智能搜索，NLP技术的广泛应用使得语言模型在全球范围内的重要性日益凸显。与此密切相关的预训练模型（Pre-trained Models），凭借在海量数据上的训练积累了丰富的知识，成为NLP技术进步的核心支柱。然而，预训练模型的成功在很大程度上依赖于其背后数据集的质量。
• 01.21 10:06:27
  发表了文章 2025-01-21 10:06:27

  VITA-1.5: 迈向GPT-4o级实时视频-语音交互

  近期，由南京大学和腾讯优图推出的VITA-1.5在魔搭开源。VITA-1.5支持视频，音频，文本输入，以及音频输出。
• 01.20 10:42:09
  发表了文章 2025-01-20 10:42:09

  OpenCSG开源最大中文合成数据集Chinese Cosmopedia

  近年来，生成式语言模型（GLM）的飞速发展正在重塑人工智能领域，尤其是在自然语言处理、内容创作和智能客服等领域展现出巨大潜力。