蚝油菜花_个人页

2025年02月

• 02.14 00:58:36
  发表了文章 2025-02-14 00:58:36

  Goedel-Prover：专为自动化数学问题的形式证明生成而设计的 LLM，快速解决形式化数学问题

  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。

  
• 02.14 00:58:13
  发表了文章 2025-02-14 00:58:13

  DeepClaude：结合 DeepSeek R1 和 Claude AI 各自优势开发的 AI 应用平台，支持 API 调用和零延迟的即时响应

  DeepClaude 是一个开源的 AI 应用开发平台，结合了 DeepSeek R1 和 Claude 模型的优势，提供即时响应、端到端加密和高度可配置的功能。

  
• 02.11 23:56:19
  发表了文章 2025-02-11 23:56:19

  LangBot：无缝集成到QQ、微信等消息平台的AI聊天机器人平台

  LangBot 是一个开源的多模态即时聊天机器人平台，支持多种即时通信平台和大语言模型，具备多模态交互、插件扩展和Web管理面板等功能。

  
• 02.11 23:55:59
  发表了文章 2025-02-11 23:55:59

  Satori：快速体验MIT与哈佛推出7B参数的推理专家模型，具备自回归搜索和自我纠错能力

  Satori 是由 MIT 和哈佛大学等机构联合推出的 7B 参数大型语言模型，专注于提升推理能力，具备强大的自回归搜索和自我纠错功能。
• 02.11 23:55:36
  发表了文章 2025-02-11 23:55:36

  Airweave：快速集成应用数据打造AI知识库的开源平台，支持多源整合和自动同步数据

  Airweave 是一个开源工具，能够将应用程序的数据同步到图数据库和向量数据库中，实现智能代理检索。它支持无代码集成、多租户支持和自动同步等功能。
• 02.11 23:55:14
  发表了文章 2025-02-11 23:55:14

  FlashVideo：生成1080p视频仅需102秒，字节联合港大推出低成本高分辨率视频生成框架

  FlashVideo 是字节跳动和香港大学联合推出的高分辨率视频生成框架，通过两阶段方法显著降低计算成本，快速生成高质量视频。

  
• 02.11 23:54:54
  发表了文章 2025-02-11 23:54:54

  MedRAX：专注于胸部X光检查的AI医学推理智能体，帮助医生快速解读胸部X光片

  MedRAX 是一款专门用于胸部X光检查的医学推理AI智能体，整合了多种最先进的分析工具，支持多模态推理和动态任务分解。

  
• 02.11 23:54:32
  发表了文章 2025-02-11 23:54:32

  ACE++：输入想法就能完成图像创作和编辑！阿里通义推出新版自然语言驱动的图像生成与编辑工具

  ACE++ 是阿里巴巴通义实验室推出的升级版图像生成与编辑工具，支持多种任务，如高质量人物肖像生成、主题一致性保持和局部图像编辑。
• 02.11 23:54:06
  发表了文章 2025-02-11 23:54:06

  LLaVA-Med：微软推出专为临床放射学优化和报告生成的多模态模型

  LLaVA-Med是微软推出的小型多模态模型，专注于高效生成高质量的胸部X光放射学报告，支持快速临床部署。
• 02.11 23:53:34
  发表了文章 2025-02-11 23:53:34

  Kiln AI：零代码实现微调模型！自动生成合成数据与微调模型的开源平台

  Kiln AI 是一款开源的 AI 开发工具，支持零代码微调多种语言模型，生成合成数据，团队协作开发，自动部署。帮助用户快速构建高质量的 AI 模型。

  
• 02.10 22:06:49
  发表了文章 2025-02-10 22:06:49

  exo：22.1K Star！一个能让任何人利用日常设备构建AI集群的强大工具，组成一个虚拟GPU在多台设备上并行运行模型

  exo 是一款由 exo labs 维护的开源项目，能够让你利用家中的日常设备（如 iPhone、iPad、Android、Mac 和 Linux）构建强大的 AI 集群，支持多种大模型和分布式推理。
• 02.10 22:06:19
  发表了文章 2025-02-10 22:06:19

  Eino：字节跳动开源基于Golang的AI应用开发框架，组件化设计助力构建AI应用

  Eino 是字节跳动开源的大模型应用开发框架，帮助开发者高效构建基于大模型的 AI 应用。支持组件化设计、流式处理和可视化开发工具。
• 02.10 22:05:51
  发表了文章 2025-02-10 22:05:51

  Sonic：自动对齐音频与唇部动作，一键合成配音动画！腾讯与浙大联合推出音频驱动肖像动画生成框架

  Sonic 是由腾讯和浙江大学联合开发的音频驱动肖像动画框架，支持逼真的唇部同步、丰富的表情和头部动作、长时间稳定生成，并提供用户可调节性。
• 02.10 22:05:32
  发表了文章 2025-02-10 22:05:32

  Agno：18.7K Star！快速构建多模态智能体的轻量级框架，运行速度比LangGraph快5000倍！

  Agno 是一个用于构建多模态智能体的轻量级框架，支持文本、图像、音频和视频等多种数据模态，能够快速创建智能体并实现高效协作。

  
• 02.10 22:05:08
  发表了文章 2025-02-10 22:05:08

  Hibiki：实时语音翻译模型打破语言交流障碍！支持将语音实时翻译成其他语言的语音或文本

  Hibiki 是由 Kyutai Labs 开发的实时语音翻译模型，能够将一种语言的语音实时翻译成另一种语言的语音或文本，支持高保真度和低延迟。

  
• 02.10 22:04:36
  发表了文章 2025-02-10 22:04:36

  Ola：清华联合腾讯等推出的全模态语言模型！实现对文本、图像、视频和音频的全面理解

  Ola 是由清华大学、腾讯 Hunyuan 研究团队和新加坡国立大学 S-Lab 合作开发的全模态语言模型，支持文本、图像、视频和音频输入，并具备实时流式解码功能。
• 02.10 22:04:16
  发表了文章 2025-02-10 22:04:16

  DeepRant：一款专为国际游戏玩家设计的翻译工具，一键翻译聊天对话，无需切出游戏

  专为游戏玩家设计的多语言快捷翻译工具，支持多种翻译模式和主流语言，基于Tauri和React开发。

  
• 02.10 22:03:56
  发表了文章 2025-02-10 22:03:56

  FireRedASR：精准识别普通话、方言和歌曲歌词！小红书开源工业级自动语音识别模型

  小红书开源的工业级自动语音识别模型，支持普通话、中文方言和英语，采用 Encoder-Adapter-LLM 和 AED 架构，实现 SOTA 性能。

  
• 02.09 20:13:04
  发表了文章 2025-02-09 20:13:04

  BEN2：一键快速抠图！自动移除图像和视频中的背景，支持在线使用

  BEN2 是由 Prama LLC 开发的深度学习模型，专注于从图像和视频中快速移除背景并提取前景，支持高分辨率处理和GPU加速。

  
• 02.09 20:12:43
  发表了文章 2025-02-09 20:12:43

  Lumina-Image 2.0：上海 AI Lab 开源的统一图像生成模型，支持生成多分辨率、多风格的图像

  Lumina-Image 2.0 是上海 AI Lab 开源的高效统一图像生成模型，参数量为26亿，基于扩散模型和Transformer架构，支持多种推理求解器，能生成高质量、多风格的图像。

  
• 02.09 20:12:20
  发表了文章 2025-02-09 20:12:20

  AstrBot：轻松将大模型接入QQ、微信等消息平台，打造多功能AI聊天机器人的开发框架，附详细教程

  AstrBot 是一个开源的多平台聊天机器人及开发框架，支持多种大语言模型和消息平台，具备多轮对话、语音转文字等功能。

  
• 02.09 00:28:14
  发表了文章 2025-02-09 00:28:14

  JoyGen：用音频生成3D说话人脸视频，快速生成逼真的唇部同步视频

  JoyGen 是京东和香港大学联合推出的音频驱动的3D说话人脸视频生成框架，支持多语言、高质量视觉效果和精确的唇部与音频同步。

  
• 02.09 00:27:35
  发表了文章 2025-02-09 00:27:35

  AnythingLLM：34K Star！一键上传文件轻松打造个人知识库，构建只属于你的AI助手，附详细部署教程

  AnythingLLM 是一个全栈应用程序，能够将文档、资源转换为上下文，支持多种大语言模型和向量数据库，提供智能聊天功能。
• 02.09 00:26:54
  发表了文章 2025-02-09 00:26:54

  LIMO：上海交大推出高效推理方法，仅需817条训练样本就能激活大语言模型的复杂推理能力

  LIMO 是由上海交通大学推出的一种高效推理方法，通过极少量的高质量训练样本激活大语言模型的复杂推理能力。
• 02.09 00:26:29
  发表了文章 2025-02-09 00:26:29

  Repomix：8.1K Star！轻松将整个代码库打包为AI友好格式的开源工具，使代码库更易于AI理解

  Repomix 是一款强大的工具，能够将整个代码库打包成AI友好的单个文件，支持多种输出格式和安全检查。
• 02.07 22:27:04
  发表了文章 2025-02-07 22:27:04

  Open-Deep-Research：开源复现版 Deep Research，支持切换多种大模型，不再依赖 OpenAI o3

  Open Deep Research 是一个开源的 AI 智能体，支持多种语言模型，具备实时数据提取、多源数据整合和AI推理功能。
• 02.07 22:26:37
  发表了文章 2025-02-07 22:26:37

  DiffSplat：输入文本或图像，2秒内生成3D建模！北大联合字节开源3D建模生成框架

  DiffSplat 是由北京大学和字节跳动联合推出的一个高效 3D 生成框架，能够在 1-2 秒内从文本提示或单视图图像生成高质量的 3D 高斯点阵，并确保多视图下的一致性。

  
• 02.07 22:26:16
  发表了文章 2025-02-07 22:26:16

  MNN-LLM App：在手机上离线运行大模型，阿里巴巴开源基于 MNN-LLM 框架开发的手机 AI 助手应用

  MNN-LLM App 是阿里巴巴基于 MNN-LLM 框架开发的 Android 应用，支持多模态交互、多种主流模型选择、离线运行及性能优化。

  
• 02.06 22:30:20
  发表了文章 2025-02-06 22:30:20

  OpenDeepResearcher：开源 AI 研究工具，自动完成搜索、评估、提取和生成报告

  OpenDeepResearcher 是一款开源 AI 研究工具，支持异步处理、去重功能和 LLM 驱动的决策，帮助用户高效完成复杂的信息查询和分析任务。

  
• 02.06 22:29:53
  发表了文章 2025-02-06 22:29:53

  OCRmyPDF：16.5K Star！快速将 PDF 文件转换为可搜索、可复制的文档的命令行工具

  OCRmyPDF 是一款开源命令行工具，专为将扫描的 PDF 文件转换为可搜索、可复制的文档。支持多语言、图像优化和多核处理。

  
• 02.05 21:19:59
  发表了文章 2025-02-05 21:19:59

  node-DeepResearch：开源复现版OpenAI Deep Research，支持多步推理和复杂查询的AI智能体

  node-DeepResearch 是一个开源 AI 智能体项目，支持多步推理和复杂查询，帮助用户逐步解决问题。

  
• 02.04 21:29:10
  发表了文章 2025-02-04 21:29:10

  手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型，创建个性化 AI 助手

  DeepSeek R1 + LobeChat + Ollama：快速本地部署模型，创建个性化 AI 助手

  
• 02.04 02:41:10
  发表了文章 2025-02-04 02:41:10

  Oumi：开源的AI模型一站式开发平台，涵盖训练、评估和部署模型的综合性平台

  Oumi 是一个完全开源的 AI 平台，支持从 1000 万到 4050 亿参数的模型训练，涵盖文本和多模态模型，提供零样板代码开发体验。

  
• 02.02 00:58:27
  发表了文章 2025-02-02 00:58:27

  YuE：开源AI音乐生成模型，能够将歌词转化为完整的歌曲，支持多种语言和多种音乐风格

  YuE 是香港科技大学和 M-A-P 联合开发的开源 AI 音乐生成模型，能够将歌词转化为完整的歌曲，支持多种音乐风格和多语言。

  
• 02.02 00:58:04
  发表了文章 2025-02-02 00:58:04

  Aligner：自动修正AI的生成结果，北大推出残差修正模型对齐技术

  介绍北大团队提出的 Aligner 模型对齐技术，通过学习对齐答案与未对齐答案之间的修正残差，提升大语言模型的性能。
• 02.02 00:57:44
  发表了文章 2025-02-02 00:57:44

  VARGPT：将视觉理解与生成统一在一个模型中，北大推出支持混合模态输入与输出的多模态统一模型

  VARGPT是北京大学推出的多模态大语言模型，专注于视觉理解和生成任务，支持混合模态输入和高质量图像生成。
• 02.02 00:57:19
  发表了文章 2025-02-02 00:57:19

  o3-mini：OpenAI 发布最新推理模型，强大的STEM推理能力，灵活调整推理强度

  OpenAI o3-mini是OpenAI推出的全新推理模型，专为科学、数学和编程等技术领域优化，支持三种推理强度，灵活调整性能。

  
• 02.02 00:56:47
  发表了文章 2025-02-02 00:56:47

  SpeechGPT 2.0：复旦大学开源端到端 AI 实时语音交互模型，实现 200ms 以内延迟的实时交互

  SpeechGPT 2.0 是复旦大学 OpenMOSS 团队推出的端到端实时语音交互模型，具备拟人口语化表达、低延迟响应和多情感控制等功能。

  

2025年01月

• 01.29 19:41:55
  发表了文章 2025-01-29 19:41:55

  Janus-Pro：DeepSeek 开源的多模态模型，支持图像理解和生成

  Janus-Pro是DeepSeek推出的一款开源多模态AI模型，支持图像理解和生成，提供1B和7B两种规模，适配多元应用场景。通过改进的训练策略、扩展的数据集和更大规模的模型，显著提升了文本到图像的生成能力和指令跟随性能。

  
• 01.29 19:41:26
  发表了文章 2025-01-29 19:41:26

  Qwen2.5-VL：阿里通义千问最新开源视觉语言模型，能够理解超过1小时的长视频

  Qwen2.5-VL 是阿里通义千问团队开源的视觉语言模型，具有3B、7B和72B三种不同规模，能够识别常见物体、分析图像中的文本、图表等元素，并具备作为视觉Agent的能力。

  
• 01.28 14:28:20
  发表了文章 2025-01-28 14:28:20

  DiffuEraser：阿里通义实验室推出的视频修复模型，支持高清修复、时间一致性优化

  DiffuEraser 是阿里通义实验室推出的基于稳定扩散模型的视频修复工具，能够生成丰富的细节并保持时间一致性，适用于电影修复、监控增强等场景。

  
• 01.28 14:27:47
  发表了文章 2025-01-28 14:27:47

  Baichuan-Omni-1.5：百川智能开源全模态理解与生成模型，支持文本、图像、音频和视频的多模态输入和输出

  Baichuan-Omni-1.5 是百川智能开源的全模态理解模型，支持文本、图像、音频和视频的多模态输入和输出，显著提升多模态交互体验。

  
• 01.27 00:12:08
  发表了文章 2025-01-27 00:12:08

  FilmAgent：多智能体共同协作制作电影，哈工大联合清华推出 AI 驱动的自动化电影制作工具

  FilmAgent 是由哈工大与清华联合推出的AI电影自动化制作工具，通过多智能体协作实现从剧本生成到虚拟拍摄的全流程自动化。

  
• 01.27 00:11:39
  发表了文章 2025-01-27 00:11:39

  VideoLLaMA3：阿里达摩院开源专注于视觉理解的多模态基础模型，具备多语言视频理解能力

  VideoLLaMA3 是阿里巴巴开源的多模态基础模型，专注于图像和视频理解，支持多语言生成、视频内容分析和视觉问答任务，适用于多种应用场景。
• 01.27 00:11:21
  发表了文章 2025-01-27 00:11:21

  Chainlit：一个开源的异步Python框架，快速构建生产级对话式 AI 应用

  Chainlit 是一个开源的异步 Python 框架，帮助开发者在几分钟内构建可扩展的对话式 AI 或代理应用，支持多种工具和服务集成。
• 01.26 21:08:56
  发表了文章 2025-01-26 21:08:56

  Baichuan-M1-14B：AI 助力医疗推理，为患者提供专业的建议！百川智能开源业内首个医疗增强大模型，普及医学的新渠道！

  Baichuan-M1-14B 是百川智能推出的首个开源医疗增强大模型，专为医疗场景优化，支持多语言、快速推理，具备强大的医疗推理能力和通用能力。

  
• 01.26 21:08:17
  发表了文章 2025-01-26 21:08:17

  Tarsier2：字节跳动开源专注于图像和视频内容理解的视觉语言大模型

  Tarsier2 是字节跳动推出的大规模视觉语言模型，支持高质量视频描述、问答与定位，在多个视频理解任务中表现优异。