开源项目
Stream-Omni是一款先进的大型语言-视觉-语音模型（LMM），旨在实现同时多模态交互，支持文本、视觉（图像/视频）和语音模态的灵活组合输入与输出。作为GPT-4o类多模态模型的创...
2025-06-22
新闻资讯
872
MindOmni是腾讯ARC Lab联合清华大学、香港中文大学和香港大学推出的统一多模态大语言模型，旨在突破传统文本到图像系统在处理多模态输入和复杂推理任务时的局限性。作为当前最...
2025-06-22
新闻资讯
846
Self Forcing是Adobe Research与德克萨斯大学奥斯汀分校联合研发的自回归视频扩散模型训练优化框架，该项目针对自回归视频生成中长期存在的训练-测试分布不匹配问题（Exposur...
2025-06-21
新闻资讯
1021
SongGeneration是腾讯AI Lab开源的文本到音乐生成大模型，作为当前最具突破性的AI音乐创作工具之一，其核心创新在于融合LLM（大语言模型）与DiT（扩散变换器）架构，首次实现...
2025-06-21
新闻资讯
1146
Cosmos-Predict2是英伟达NVIDIA开源的物理AI世界基础模型(World Foundation Model)，作为Cosmos平台的核心组件之一，其革命性突破在于融合扩散模型与自回归架构，实现了从多模...
2025-06-16
新闻资讯
1031
Nano-vLLM是由DeepSeek AI研究员俞星凯开发的轻量级大语言模型(LLM)推理框架，作为当前最简洁的vLLM实现方案之一，其核心创新在于仅用1200行Python代码即复现了原版vLLM的核心...
2025-06-16
新闻资讯
1291
ZeroSearch是阿里巴巴通义实验室开源的大模型搜索能力强化框架，旨在通过模拟搜索引擎的方式激发大型语言模型(LLM)的搜索能力，而无需依赖真实搜索引擎的API调用。作为当前最...
2025-06-16
新闻资讯
920
Hunyuan3D-2.1是腾讯混元团队全链路开源的工业级3D生成大模型，作为当前最先进的AI驱动3D内容创作框架，其核心突破在于首次将PBR（基于物理的渲染）材质生成技术与几何-纹理解...
2025-06-16
新闻资讯
1246
SeedVR2是由字节跳动Seed团队与南洋理工大学联合开发的开源视频修复框架，作为当前最具突破性的视频增强技术之一，其核心创新在于通过扩散对抗后训练(Diffusion Adversarial ...
2025-06-14
新闻资讯
855
LLIA（Low Latency Interactive Avatar）是由美团技术团队开发并开源的音频驱动肖像视频生成框架，作为当前最具突破性的实时虚拟形象生成技术之一，其核心创新在于将扩散模型...
2025-06-14
新闻资讯
698
AReaL（Ant Reasoning RL）是蚂蚁技术研究院与清华大学交叉信息研究院联合开发的开源强化学习训练框架，作为全球首个实现全异步训练的推理大模型优化系统，其核心突破在于通过...
2025-06-13
新闻资讯
1358
HistAgent是由普林斯顿大学AI实验室与复旦大学历史学系联合研发的专业级历史研究AI助手，作为全球首个深度融合历史学研究方法论的人工智能系统，该项目包含两大核心组件：史学...
2025-06-13
新闻资讯
1145
V-JEPA 2（Video Joint Embedding Predictive Architecture 2）是Meta AI研究团队于2025年6月推出的第二代世界模型框架，作为首个基于视频训练的自监督学习系统，它实现了从视...
2025-06-13
新闻资讯
1238
AlphaOne是由伊利诺伊大学厄巴纳-香槟分校与加州大学伯克利分校联合研发的创新性推理控制框架，其核心突破在于通过参数化动态调控技术，解决了大型语言模型在"快速直觉反应"与...
2025-06-12
新闻资讯
781
MultiTalk是由中山大学联合美团、香港科技大学研发的突破性视频生成框架，专门解决多人对话场景下的音频-视频同步难题。作为首个支持多音频流精准绑定的开源项目，它实现了从...
2025-06-11
新闻资讯
1191
