AI导哈

工具 · 模型 · 行业动态

AI文章

发现新工具，了解新进展。让每一次阅读，都离用好 AI 更近一步。

7,595篇文章，持续更新

最新文章

第 223 / 422 页

BEHAVIOR Robot Suite – 李飞飞团队开源的机器人家庭任务自动化框架

BEHAVIOR Robot Suite（BRS）是斯坦福大学李飞飞团队推出的用在学习全身操作完成日常家务任务的框架。基于分析家务活动，确定机器人需要具备的关键能力，包括双臂协调、稳定导航和广泛的末端执行器可达性。

阅读全文

MM-StoryAgent – 上海交大联合阿里开源的多智能体故事绘本视频生成框架

MM-StoryAgent 是上海交通大学X-LANCE实验室和阿里巴巴集团联合推出的开源、多模态、多智能体框架，用在生成沉浸式的有声故事绘本视频。基于结合大型语言模型（LLMs）和多种模态的生成工具（如文本、图像、音频），用多阶段写作流程和模态特定的提示修订机制，提升故事的吸引力和沉浸感。

阅读全文

MV-MATH – 中科院推出的基准数据集，评估模型处理多视觉信息的数学推理能力

MV-MATH 是中科院自动化所提出的新基准数据集，评估多模态大语言模型（MLLMs）在多视觉场景中的数学推理能力。数据集包含2009个高质量的数学问题，每个问题都结合了多个图像和文本，形成了图文交错的多视觉场景。

阅读全文

DeepSeek百宝箱 – DeepSeek API在多种软件中的集成应用

DeepSeek百宝箱是 DeepSeek官方维护的 GitHub 项目，展示如何将 DeepSeek API 集成到各种流行软件中。项目列出了一系列支持 DeepSeek 的工具和应用，涵盖了从桌面端到移动端的多种平台。

阅读全文

Anus – Manus 生成的开源 AI 智能体项目，复刻 Manus 部分功能

Anus（Autonomous Networked Utility System）是 Manus 生成的开源自主智能体项目，复刻 Manus 的部分功能。Anus支持自然语言指令执行、多代理协作、网络交互、文档处理、代码执行和多模态输入处理等功能。

阅读全文

R1-Omni – 阿里通义开源的全模态大语言模型

R1-Omni 是阿里通义推出的基于强化学习（RLVR）的全模态大语言模型，专注于情感识别任务。通过结合视觉和音频信息，能清晰地解释情感识别的推理过程，展现出强大的情感理解能力。

阅读全文

SeedFoley – 字节推出的端到端视频音效生成模型

SeedFoley 是字节跳动豆包大模型语音团队开发的端到端视频音效生成模型，为视频创作提供智能音效生成服务。通过融合时空视频特征与扩散生成模型，实现音效与视频的高度同步。模型采用快慢特征组合的视频编码器，提取视频的时空特征，同时基于原始波形作为输入的音频表征模型，保留高频信息，提升音效细腻程度。

阅读全文

PlanGEN – 谷歌研究团队推出的多智能体框架

PlanGEN 是谷歌研究团队推出的多智能体框架，通过多智能体协作、约束引导和算法自适应选择，解决复杂问题的规划和推理。包含三个关键组件：约束智能体、验证智能体和选择智能体。智能体协同工作，形成一个强大的问题解决系统。

阅读全文

GaussianAnything – 南洋理工 S-Lab 和上海 AI Lab 等推出的 3D 生成框架

GaussianAnything 是南洋理工大学 S-Lab 联合上海 AI Lab 等机构推出的 3D 生成框架。GaussianAnything 基于交互式的点云结构化潜空间和级联的流匹配模型，实现高质量、可扩展的 3D 内容生成。

阅读全文

Luminar Neo – AI照片编辑软件，智能填补空白、自动调整照片光线

Luminar Neo 是基于 AI 技术的照片编辑软件，专为摄影爱好者和专业用户设计。结合强大的 AI 工具和直观的操作界面，Luminar Neo支持多种文件格式，包括 RAW、JPEG、PNG 和 TIFF 等。Luminar Neo 支持图层编辑、预设保存和批量处理，用户能灵活调整照片而不丢失原始数据。

阅读全文

什么是MCP（Model Context Protocol） – AI百科知识

模型上下文协议（Model Context Protocol，MCP）是一种开放协议，让大型语言模型（LLM）与外部工具和数据源实现无缝通信。通过统一的协议实现各类数据源的插件式接入，避免为每个数据源单独编写代码。确保在数据交互过程中，敏感信息（如API密钥、用户数据）得到充分保护。

阅读全文

绘蛙·多图成片 – 阿里绘蛙推出的 AI 图生视频工具

绘蛙·多图成片是阿里绘蛙推出的AI视频生成工具，基于上传2-4张具有连贯性的图片，结合文字描述，快速生成一段流畅的视频。用户选择本地上传图片或从已有作品中导入套图，用文字引导视频内容，避免生成偏差。

阅读全文

绘蛙·创意文生图 – 阿里绘蛙推出的 AI 文生图工具

绘蛙·创意文生图是阿里绘蛙推出的AI图像生成工具。基于提供详细的文本提示（Prompt），帮助用户生成具有特定风格、场景和氛围感的图像。绘蛙-创意文生图用精准的文字描述生成高质量的视觉作品，广泛应用于电商营销、广告设计、创意灵感等领域，为用户带来高效且个性化的AI图像创作体验。

阅读全文

MeshPad – 草图驱动的AI 3D网格生成与编辑工具

MeshPad 是基于草图输入的交互式艺术化网格生成与编辑工具，能将简单的二维草图迅速转化为高质量的 3D 网格模型，支持实时编辑。用户在草图上添加或删除线条，可对 3D 网格进行修改，如删除区域或添加新几何形状。

阅读全文

Macro PDF – AI PDF 编辑和阅读工具，快速提取关键信息、生成摘要和翻译

Macro PDF 是 AI PDF 编辑器，专为学术、法律和金融领域的专业人士设计。通过强大的 AI 技术，将复杂的 PDF 文档转化为智能文档，帮助用户快速提取关键信息、生成摘要和翻译内容。 用户可以用即时 AI 上下文 功能，通过单击或高亮文本，立即获取专业术语的解释和相关背景信息。

阅读全文

Zulu – 百度文心快码推出的AI自动编程智能体

Zulu 是百度文心快码推出的首个多模态AI自动编程智能体，为开发者提供从需求到代码的端到端生成服务。支持多模态高效交互，上传图片，一键生成完整代码。

阅读全文

灵犀 X2 – 智元机器人推出的最新双足人形机器人

灵犀X2是智元机器人推出的最新双足人形机器人。全身拥有28个自由度，搭载小脑控制器Xyber-Edge、域控制器Xyber-DCU和智能电源管理系统Xyber-BMS，机械结构上未采用任何并联结构，动作表现灵活多样，能完成跳舞、奔跑、踩滑板车、骑自行车等高难度动作。

阅读全文

Evolving Agents – 开源的AI Agent管理与进化框架

Evolving Agents 是用在创建、管理和进化 AI 代理的生产级框架。Evolving Agents支持智能代理之间的通信和协作，根据语义理解需求、基于过往经验进化，有效解决复杂任务。框架具备智能代理进化、代理间通信等核心功能。

阅读全文