蚝油菜花_个人页
蚝油菜花
文章
645
问答
1
视频
0
个人介绍
微信公众号：@蚝油菜花｜如果你也关注大模型发展现状，或对大模型应用开发非常感兴趣，很期待你的关注和私信，我会不定期分享自己的想法和开源实例。
擅长的技术
获得更多能力
通用技术能力：
-
Python
高级
能力说明：
通过课程学习与实战项目，熟练掌握Python的语法知识与编程技能，具备Python语言的函数、面向对象、异常处理等能力，常用开发框架的实际应用和开发能力，具备使用，掌握Python数据分析三剑客Matplotlib、Numpy、Pandas的概念与应用场景，掌握利用Python语言从数据采集到分析的全流程相关知识。
云产品技术能力：
暂时未有相关云产品技术能力~
阿里云技能认证
详细说明-
发表了文章 2024-11-29
Optima：清华联合北邮推出优化通信效率和任务有效性的训练框架
Optima是由清华大学和北京邮电大学联合推出的一个优化通信效率和任务有效性的训练框架。该框架通过迭代生成、排名、选择和训练范式，显著提高了基于大型语言模型（LLM）的多智能体系统（MAS）的通信效率和任务效果。Optima不仅减少了令牌使用，还为改进推理时间扩展法则提供了新的可能性。
-
发表了文章 2024-11-29
SmolVLM：Hugging Face推出的轻量级视觉语言模型
SmolVLM是Hugging Face推出的轻量级视觉语言模型，专为设备端推理设计。以20亿参数量，实现了高效内存占用和快速处理速度。SmolVLM提供了三个版本以满足不同需求，并完全开源，所有模型检查点、VLM数据集、训练配方和工具均在Apache 2.0许可证下发布。
-
发表了文章 2024-11-29
EchoMimicV2：阿里推出的开源数字人项目，能生成完整数字人半身动画
EchoMimicV2是阿里蚂蚁集团推出的开源数字人项目，能够生成完整的数字人半身动画。该项目基于参考图片、音频剪辑和手部姿势序列，通过音频-姿势动态协调策略生成高质量动画视频，确保音频内容与半身动作的一致性。EchoMimicV2不仅支持中文和英文驱动，还简化了动画生成过程中的复杂条件，适用于虚拟主播、在线教育、娱乐和游戏等多个应用场景。
-
发表了文章 2024-11-29
Markdown-to-Image：开源的在线 Markdown 转海报编辑器
Markdown-to-Image 是一款开源的在线 Markdown 转海报编辑器，能够将 Markdown 文本内容转换为图像，适用于创建社交媒体帖子、海报和其他视觉内容。该工具支持多种输出格式，并允许用户自定义样式，适用于多种应用场景。
-
发表了文章 2024-11-29
LEOPARD：腾讯AI Lab西雅图实验室推出的视觉语言模型
LEOPARD是由腾讯AI Lab西雅图实验室推出的视觉语言模型，专为处理含有大量文本的多图像任务设计。该模型通过自适应高分辨率多图像编码模块和大规模多模态指令调优数据集，在多个基准测试中表现卓越，适用于自动化文档理解、教育和学术研究、商业智能和数据分析等多个应用场景。
-
发表了文章 2024-11-29
BALROG：基准测试工具，用于评估 LLMs 和 VLMs 在复杂动态环境中的推理能力
BALROG 是一款用于评估大型语言模型（LLMs）和视觉语言模型（VLMs）在复杂动态环境中推理能力的基准测试工具。它通过一系列挑战性的游戏环境，如 NetHack，测试模型的规划、空间推理和探索能力。BALROG 提供了一个开放且细粒度的评估框架，推动了自主代理研究的进展。
-
发表了文章 2024-11-29
Fugatto：英伟达推出的多功能AI音频生成模型
Fugatto是由英伟达推出的多功能AI音频生成模型，能够根据文本提示生成音频或视频，并修改现有音频文件。该模型基于增强型的Transformer模型，支持复杂的组合指令，具有强大的音频生成与转换能力，广泛应用于音乐创作、声音设计、语音合成等领域。
-
发表了文章 2024-11-29
LongLLaVA：香港中文大学推出的多模态上下文混合架构大语言模型
LongLLaVA是由香港中文大学推出的多模态大型语言模型，采用混合架构，结合Mamba和Transformer模块，旨在高效处理大量图像数据。该模型能够在单个A100 80GB GPU上处理多达1000张图像，通过2D池化技术压缩图像token，显著降低计算成本，同时保留关键的空间关系信息。LongLLaVA在视频理解、高分辨率图像分析和多模态代理等应用场景中展现出卓越的性能。
-
发表了文章 2024-11-28
AutoTrain：Hugging Face 开源的无代码模型训练平台
AutoTrain 是 Hugging Face 推出的开源无代码模型训练平台，旨在简化最先进模型的训练过程。用户无需编写代码，只需上传数据即可创建、微调和部署自己的 AI 模型。AutoTrain 支持多种机器学习任务，并提供自动化最佳实践，包括超参数调整、模型验证和分布式训练。
-
发表了文章 2024-11-28
LazyGraphRAG：微软推出的图形增强生成增强检索框架
LazyGraphRAG是微软研究院推出的图形增强生成增强检索框架，旨在大幅降低数据索引成本并提高查询效率。该框架结合了最佳优先搜索和广度优先搜索，支持本地和全局查询，适用于一次性查询、探索性分析和流数据处理。LazyGraphRAG将加入开源的GraphRAG库，为开发者和企业提供更高效的技术支持。
-
发表了文章 2024-11-28
LongRAG：智谱联合清华和中科院推出的双视角鲁棒检索框架
LongRAG是由智谱、清华大学和中国科学院联合推出的双视角鲁棒检索增强生成框架，专为长文本问答设计。该框架通过混合检索器、LLM增强信息提取器、CoT引导过滤器和LLM增强生成器等组件，有效解决了长文本问答中的全局上下文理解和事实细节识别难题。LongRAG在多个数据集上表现优异，提供了自动化微调数据构建管道，增强了系统的“指令跟随”能力和领域适应性。
-
发表了文章 2024-11-28
MuCodec：清华、腾讯AI、港中文共同推出的超低比特率音乐编解码器
MuCodec是由清华大学深圳国际研究生院、腾讯AI实验室和香港中文大学联合开发的超低比特率音乐编解码器。它能够在0.35kbps至1.35kbps的比特率下实现高效的音乐压缩和高保真重建，适用于在线音乐流媒体服务、音乐下载、语言模型建设等多个应用场景。
-
发表了文章 2024-11-28
XGrammar：陈天奇团队推出的LLM结构化生成引擎
XGrammar是由陈天奇团队推出的开源软件库，专为大型语言模型（LLM）设计，提供高效、灵活且可移植的结构化数据生成能力。基于上下文无关语法（CFG），XGrammar支持递归组合以表示复杂结构，适用于生成JSON、SQL等格式数据，并通过字节级下推自动机优化解释CFG，实现百倍加速。
-
发表了文章 2024-11-28
ViewExtrapolator：南洋理工联合UCAS团队推出的新型视图合成方法
南洋理工大学与UCAS团队联合推出了一种新型视图合成方法——ViewExtrapolator。该方法基于稳定视频扩散（SVD）技术，能够在不进行微调的情况下，高效生成超出训练视图范围的新视角图像，显著减少伪影，提升视觉质量。ViewExtrapolator具有广泛的应用前景，尤其在虚拟现实、3D内容创建、电影制作等领域。
-
发表了文章 2024-11-28
EvolveDirector：阿里联合南洋理工推出文本到图像生成模型的高效训练技术
EvolveDirector是由阿里巴巴和南洋理工大学联合推出的文本到图像生成模型的高效训练技术。该框架通过与高级模型的API交互获取数据对，并利用预训练的大型视觉语言模型（VLMs）动态优化训练数据集，显著减少了数据量和训练成本。EvolveDirector能够从多个高级模型中选择最佳样本进行学习，使最终训练出的模型在多个方面超越现有高级模型。
-
发表了文章 2024-11-28
StoryTeller：字节、上海交大、北大共同推出的全自动长视频描述生成一致系统
StoryTeller是由字节跳动、上海交通大学和北京大学共同推出的全自动长视频描述生成系统。该系统通过音频视觉角色识别技术，结合低级视觉概念和高级剧情信息，生成详细且连贯的视频描述。StoryTeller在MovieQA任务中展现出比现有模型更高的准确率，适用于电影制作、视频内容分析、辅助视障人士等多个应用场景。
-
发表了文章 2024-11-28
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。
-
发表了文章 2024-11-28
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。
-
发表了文章 2024-11-28
TÜLU 3：Ai2推出的系列开源指令遵循模型
TÜLU 3是由艾伦人工智能研究所（Ai2）推出的开源指令遵循模型系列，包括8B和70B两个版本，未来计划推出405B版本。该模型在性能上超越了Llama 3.1 Instruct版本，提供了详细的后训练技术报告，公开数据、评估代码和训练算法。TÜLU 3基于强化学习、直接偏好优化等先进技术，显著提升模型在数学、编程和指令遵循等核心技能上的表现。
-
发表了文章 2024-11-28
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。
-
发表了文章 2024-11-28
Pangea：卡内基梅隆大学开源的多语言多模态大语言模型
Pangea是由卡内基梅隆大学团队开发的多语言多模态大型语言模型，支持39种语言，包含高质量英文指令、机器翻译指令及文化相关任务。该模型在多语言和文化背景下的性能超越现有开源模型，适用于多语言客户服务、教育和学习、跨文化交流等多个应用场景。
-
发表了文章 2024-11-28
OneDiffusion：无缝支持双向图像合成和理解的开源扩散模型
OneDiffusion 是一个开源的扩散模型，能够无缝支持双向图像合成和理解。它基于统一的训练框架，支持多种任务，如文本到图像生成、条件图像生成和图像理解等。OneDiffusion 通过流匹配框架和序列建模技术，实现了高度的灵活性和可扩展性。
-
发表了文章 2024-11-27
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。
-
发表了文章 2024-11-28
ebook2audiobookXTTS：开源电子书转有声书 AI 工具，支持 16 种语言
ebook2audiobookXTTS 是一款开源的 AI 工具，能够将电子书转换为有声书，支持多种电子书格式和 16 种语言。该工具利用 Coqui XTTS 技术实现高质量的文本到语音转换，并提供命令行、Web 界面和 Docker 容器等多种使用方式。
-
发表了文章 2024-11-27
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。
-
发表了文章 2024-11-27
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。
-
发表了文章 2024-11-27
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。
-
发表了文章 2024-11-27
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。
-
发表了文章 2024-11-27
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。
-
发表了文章 2024-11-27
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。
-
发表了文章 2024-11-27
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。
-
发表了文章 2024-11-24
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。
-
发表了文章 2024-11-22
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。
-
发表了文章 2024-11-22
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。
-
发表了文章 2024-11-22
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。
-
发表了文章 2024-11-21
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。
-
发表了文章 2024-11-21
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。
-
发表了文章 2024-11-21
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。
-
发表了文章 2024-11-20
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。
-
发表了文章 2024-11-20
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。
-
发表了文章 2024-11-20
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。
-
发表了文章 2024-11-20
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。
-
发表了文章 2024-11-20
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。
-
提交了问题
2020-03-23
oss 上传图片成功能够put，但视频put失败返回403
暂无更多信息
-
发表了文章
2025-04-30
小米7B参数推理大模型首次开源！Xiaomi MiMo：数学代码双杀，超越32B巨头
-
发表了文章
2025-04-30
这个AI把arXiv变成代码工厂，快速复现顶会算法！Paper2Code：AI论文自动转代码神器，多智能体框架颠覆科研复现
-
发表了文章
2025-04-26
Cooragent：清华 LeapLab 开源 AI Agent 协作框架，一句话召唤AI军团！
-
发表了文章
2025-04-26
LongPort MCP：证券业首个券商MCP，AI赋能智能投资新时代，散户也能玩转机构级交易
-
发表了文章
2025-04-26
RAGEN：RL训练LLM推理新范式！开源强化学习框架让Agent学会多轮决策
-
发表了文章
2025-04-25
开源8B参数全能扩散模型Flex.2-preview：把线稿变商稿，还能边画边改！
-
发表了文章
2025-04-24
让AI单次生成4万字！WriteHERE：开源AI长文写作框架，单次生成超长文本，小说报告一键搞定！
-
发表了文章
2025-04-24
AI生成视频告别剪辑拼接！MAGI-1：开源自回归视频生成模型，支持一镜到底的长视频生成
-
发表了文章
2025-04-24
全球首款开源通用型AI智能体上线！Suna：自动处理Excel/爬数据/写报告等复杂任务一句话搞定
-
发表了文章
2025-04-24
Yuxi-Know：开源智能问答系统，基于大模型RAG与知识图谱技术快速构建知识库
-
发表了文章
2025-04-24
让AI读懂K线图！ChatTS-14B：字节开源的时间序列理解和推理大模型，自然语言提问秒解趋势密码！
-
发表了文章
2025-04-24
机器人训练师狂喜！Infinite Mobility：上海AI Lab造物神器1秒生成可动家具，成本只要1分钱
-
发表了文章
2025-04-24
还在想开题报告？SurveyGO卷姬：清华开源学术论文AI写作神器，一键生成文献综述
-
发表了文章
2025-04-24
「社会实验室」成真！SocioVerse：复旦联合小红书开源社会模拟世界模型，用AI预演群体行为
-
发表了文章
2025-04-24
白板秒变IDE，草图直接生成可运行代码！Pad.ws：白板+代码编辑器深度结合，创意到实现无缝衔接
-
发表了文章
2025-04-22
音乐人必看！OpenUtau：开源AI歌声合成神器，快速打造专业级虚拟歌手，中文日文无缝切换
-
发表了文章
2025-04-22
视觉分词器突破天花板！GigaTok：港大字节联手打造3B参数视觉分词器，突破图像生成瓶颈
-
发表了文章
2025-04-22
快速生成商业级高清图！SimpleAR：复旦联合字节推出图像生成黑科技，5亿参数秒出高清大图
-
发表了文章
2025-04-20
FastAPI开发者福音！FastAPI-MCP：将FastAPI秒变MCP服务器的开源神器，无需配置自动转换！
-
发表了文章
2025-04-20
斯坦福黑科技让笔记本GPU也能玩转AI视频生成！FramePack：压缩输入帧上下文长度！仅需6GB显存即可生成高清动画
滑动查看更多
暂无更多信息