AI文章
AI文章
整理 AI 项目、模型、工具和行业动态，给出更容易读懂的背景与使用参考。
内容精选
最新 AI 文章
HoloTime – 北大联合鹏城实验室推出的全景4D场景生成框架
HoloTime 是北京大学深圳研究生院和鹏城实验室推出的全景 4D 场景生成框架，基于视频扩散模型将单张全景图像转化为具有真实动态效果的全景视频，进一步重建为沉浸式的 4D 场景。
阅读全文KeySync – 帝国理工联合弗罗茨瓦夫大学推出的口型同步框架
KeySync 是帝国理工学院和弗罗茨瓦夫大学推出的用在高分辨率口型同步框架，支持将输入音频与视频中的口型动作对齐。KeySync 基于两阶段框架实现，首先生成关键帧捕捉音频的关键唇部动作，基于插值生成平滑的过渡帧。
阅读全文Rabbithole – AI互动式知识探索工具，无尽知识树问答
Rabbithole 是AI互动式知识探索工具，通过对话式交互帮助用户深入了解各种历史事件和话题，无尽探索知识树分支。用户可以登录平台后，选择预设问题或输入自己的问题，与智能助手进行自然流畅的对话。
阅读全文Phi-4-reasoning – 微软推出的Phi-4推理模型系列
Phi-4-reasoning 是微软推出的 140 亿参数的推理模型，专为复杂推理任务设计。通过监督微调（SFT）训练而成，使用了 OpenAI 的 o3-mini 模型生成的高质量推理演示数据。模型能生成详细的推理链，在推理时有效利用计算资源。
阅读全文磐石ScienceOne – 自动化研联合多家机构推出的智能科研平台
磐石ScienceOne是中国科学院自动化研究所联合多家单位及产业化平台共同研发的智能科研平台。基于科学基础大模型构建，推动多学科协同的智能科研新范式，赋能科研全流程，包括假设提出、方案规划、仿真推演、实验验证及规律发现等环节。
阅读全文X-Fusion – 加州大学联合Adobe等机构推出的多模态融合框架
X-Fusion 是加州大学洛杉矶分校、威斯康星大学麦迪逊分校和 Adobe Research 联合提出的多模态融合框架，将预训练的大型语言模型（LLMs）扩展到多模态任务中，保留其语言能力。框架采用双塔架构，冻结语言模型的参数，同时为视觉模态引入独立的权重，处理视觉信息。
阅读全文Peek – AI个人财务管理应用，自动追踪财务变化
Peek 是创新AI驱动的个人财务管理应用，通过人工智能技术帮助用户轻松掌控财务状况，注重情感体验和隐私保护。通过与银行账户连接，Peek 能自动记录用户的收入、支出和投资情况，无需手动输入数据。
阅读全文RightNow AI – 自动分析和优化CUDA内核代码的AI平台
RightNow AI 是专注于优化 CUDA 代码的 AI 平台。通过自动分析和优化 CUDA 内核代码，显著提升 GPU 性能，支持多种 NVIDIA GPU 架构，如 Ampere、Hopper 等。用户可以通过自然语言提示生成高性能代码，无需深入 GPU 编程知识。
阅读全文DianJin-R1 – 阿里云通义点金联合苏大推出的金融推理大模型
DianJin-R1是阿里云通义点金团队与苏州大学联合推出的金融领域推理增强大模型，专为金融任务设计，融合了先进的技术和全面的数据支持。模型通过推理增强监督和强化学习提升金融推理任务的表现，核心是DianJin-R1-Data数据集，整合了CFLUE、FinQA和中国合规检查（CCC）数据集，涵盖多样化的金融推理场景。
阅读全文觅果·Migo – AI学术研究工具，提供知识整合、内容生成等服务
觅果·Migo是AI驱动的学习与研究创新平台，为用户提供高效的知识整合、内容生成和数据分析服务。具备强大的多模态AI能力，支持文本、语言、视觉和数据处理，能满足跨学科的多样化需求。
阅读全文Aero-1-Audio – LMMs-Lab 推出的轻量级音频模型
Aero-1-Audio 是 LMMs-Lab 开发的轻量级音频模型，基于 Qwen-2.5-1.5B 构建，仅包含 1.5 亿参数。专为长音频处理设计，能支持长达 15 分钟的连续音频输入，无需分段，同时保持上下文连贯性。
阅读全文FeedMe – 多源RSS内容聚合AI工具，一站式获取最新内容
FeedMe 是专为 Android 设计的离线 RSS 阅读器，支持多种 RSS 订阅源，包括 Feedly、InoReader 等，用户可以轻松添加和管理订阅。FeedMe 的离线功能支持用户下载文章和图片，方便在无网络环境下阅读，适合通勤或旅行场景。
阅读全文TesserAct – AI 4D具身世界模型，能预测3D场景的动态演变
TesserAct 是创新的 4D 具身世界模型，能预测 3D 场景随时间的动态演变，响应具身代理的动作。通过训练 RGB-DN（RGB、深度和法线）视频数据来学习，超越了传统的 2D 模型，能将详细的形状、配置和时间变化纳入预测中。
阅读全文Qwen2.5-Omni-3B – 阿里 Qwen 团队推出的轻量级多模态 AI 模型
Qwen2.5-Omni-3B 是阿里巴巴 Qwen 团队推出的轻量级多模态 AI 模型。是 Qwen2.5-Omni-7B 的精简版，专为消费级硬件设计，支持文本、音频、图像和视频等多种输入功能。参数量从 7B 缩减到 3B，多模态性能仍保持了 7B 模型 90% 以上，在实时文本生成和自然语音输出方面表现突出。
阅读全文OMate – AI聊天应用，支持创建个性化角色扮演
OMate 是基于人工智能的聊天应用，专为角色扮演和个性化互动而设计。支持用户创建或导入角色卡，通过详细的背景设定和性格描述，让 AI 角色仿佛拥有了自己的灵魂。
阅读全文Rowboat – 开源AI编程工具，快速构建多智能体助手
Rowboat 是开源的低代码 AI IDE，专注于构建多智能体助手的 MCP（多云平台）工具。通过可视化界面和 AI 辅助开发功能，帮助用户快速设计、配置和测试智能体工作流程。用户可以用自然语言描述需求，Rowboat 的 AI Copilot 能自动生成智能体结构和工具配置，支持实时交互测试。
阅读全文DeepSeek-Prover-V2 – DeepSeek推出的开源数学推理大模型
DeepSeek-Prover-V2 是深度求索团队 DeepSeek 开源的专注于数学推理的超大规模语言模型。包含两个版本：DeepSeek-Prover-V2-671B 和 DeepSeek-Prover-V2-7B，分别拥有6710亿和70亿参数。
阅读全文CircleBack – AI会议记录工具，自动记录、转录与总结
CircleBack 是AI会议记录工具，能自动记录、转录并总结会议内容，生成结构化的笔记和行动项。支持超过100种语言，准确识别口音和技术术语。具备多平台集成能力，可与 Zoom、Google Meet、Microsoft Teams 等会议平台无缝连接。
阅读全文