AI文章
读懂模型与应用的新进展，找到值得尝试的 AI 实践。
7,595篇文章，持续更新
文章列表
ChatMLX – 高性能MacOS聊天应用，基于MLX框架实现与数据实时交互
ChatMLX是一个基于大型语言模型（LLM）的高性能MacOS聊天应用，基于MLX框架实现与数据的交互。应用通过自然语言处理技术，让用户与数据进行对话，支持文本文档、PDF文件和YouTube视频。ChatMLX支持多种语言，包括中文、英语、法语、德语、印地语、意大利语、日语、韩语、西班牙语、土耳其语和越南语，使全球用户方便使用。
AutoGen Studio – 微软开源的零代码构建多智能体系统的AI工具
AutoGen Studio 是微软研究院推出的一款开源界面工具，旨在简化多智能体系统的构建、调试和评估过程。AutoGen Studio提供一个基于 Web 的交互式界面和 Python API，支持用户拖放和声明式规范定义智能体及工作流，无需编写代码。
Laminar – 分析与优化LLM应用程序的开源平台
Laminar是一个开源的可观测性和分析平台，专为大型语言模型（LLM）应用程序设计。Laminar提供一套完整的工具追踪、评估、注释和分析LLM数据，使开发者深入理解并优化应用程序。Laminar的核心功能包括自动追踪LLM调用和数据库交互，事件驱动的分析，直观的仪表板展示。
OLMoE – 完全开源的大语言模型，基于混合专家（MoE）架构
OLMoE（Open Mixture-of-Experts Language Models）是一个完全开源的大型语言模型，基于混合专家（MoE）架构。OLMoE基于5万亿个token进行预训练，拥有70亿总参数和10亿活跃参数。
Comic Translate – 开源的漫画翻译工具，自动翻译主流漫画阅读语言
Comic Translate 是一个开源的漫画翻译工具，由开发者 ogkalu2 推出。帮助用户自动翻译全球各地的漫画，支持英语、韩语、日语、法语、简体中文、繁体中文、俄语、德语、荷兰语、西班牙语和意大利语等多种语言。
Seed-VC – 零样本实现声音克隆和转换的技术
Seed-VC 是一种零样本声音转换技术，基于上下文学习实现高质量的音频输出和音色相似度。用户无需进行特定训练，只需提供1到30秒的参考语音样本，实现声音的克隆和转换。
CDial-GPT – 清华推出的大型中文短文本对话数据集和对话生成模型
CDial-GPT是清华大学研究团队推出的大型中文短文本对话数据集LCCC及基于数据集的预训练对话生成模型。LCCC数据集经过严格的清洗流程，包含基础版（LCCC-base）和扩展版（LCCC-large），旨在提升对话模型的质量。
OutofFocus – 文本驱动图像生成或编辑的AI工具
OutofFocus是一个基于AI技术的图像编辑工具，基于Gradio平台为用户提供一个直观的界面操作和编辑图片。工具的核心功能是接受用户的文本提示，运用自然语言处理（NLP）技术理解提示，结合扩散逆过程重建技术修改图像。
PearAI – 开源的AI代码编辑器，基于VSCode开发直接与代码库对话
PearAI 是一个开源的 AI 驱动的代码编辑器，基于 Visual Studio Code (VSCode) 开发。PearAI 集成AI技术，减少编程工作量提高开发效率。PearAI 支持开发者直接与代码库对话，提出问题或生成代码，支持选择特定文件夹、在线文档、终端内容和文件等。
GraphReasoning – 将科学论文转换成知识图谱的AI应用框架
GraphReasoning是一种基于人工智能技术将大量科学论文转换成知识图谱的方法。通过结构化分析，计算节点度、识别社区及其连通性，评估关键节点的中心性，来揭示知识的架构。方法基于图的属性，如传递性和同构性，来发现跨学科的新颖联系，用于回答问题、识别知识空白、提出创新的材料设计和预测材料行为。
Mini-LLaVA – 基于Llama 3.1的轻量级多模态大语言模型
Mini-LLaVA是一款轻量级的多模态大语言模型，由清华大学和北京航空航天大学的研究团队联合开发。能处理图像、文本和视频输入，实现高效的多模态数据处理。Mini-LLaVA基于Llama 3.1模型，优化了代码结构，在单个GPU上即可运行，适合复杂的视觉-文本关联任务。
markmap – 解析Markdown生成可视化思维导图的工具
markmap 是一个将 Markdown 文本转换为思维导图的工具。基于 Markdown 的语法结构，实时生成可视化的思维导图，帮助用户直观的组织和展示信息。markmap 轻量且功能强大，支持与多种代码编辑器如 VS Code、Vim/Neovim、Emacs 集成，实现实时渲染和高度的可定制性。
HouseCrafter – 东北大学和 Stability AI推出2D转换3D室内场景的技术
HouseCrafter 是由东北大学和 Stability AI 推出的先进技术，将二维平面图自动转换成三维室内场景。基于一个网络规模图像训练的2D扩散模型，生成一致的多视图彩色（RGB）和深度（D）图像。图像自回归地批量生成，确保全局一致性，重建出高质量的3D场景。
GroundingBooth – Adobe联合多所高校推出主题和文本到图像的定制框架
GroundingBooth 是一个先进的文本到图像定制框架，由华盛顿大学圣路易斯分校、Adobe和普渡大学的研究团队共同推出。基于文本-图像对齐模块和遮罩交叉注意力层，实现对前景主体和背景对象的精确空间对齐。
SafeEar – 浙大和清华联合开源的AI音频伪造检测框架
SafeEar是由浙江大学和清华大学联合开发的AI音频伪造检测框架，保护用户隐私的同时检测音频伪造。采用基于神经音频编解码器的解耦模型，分离语音的声学信息和语义信息，用声学信息进行检测，有效防止隐私泄露。
豆包向量化API – 字节跳动推出的语义向量化模型
豆包向量化API是由字节跳动研发的语义向量化模型，名为Doubao-embedding，主要面向向量检索的使用场景，支持中、英双语，能处理最长4K的上下文长度。
PDF2Audio – 将PDF文档转换成音频博客的开源工具
PDF2Audio 是一个开源工具，能将 PDF 文档转换成音频内容，适合制作播客、讲座或摘要。它基于 OpenAI 的 GPT 模型生成播客脚本，通过文本到语音技术转化为音频。
Molmo 72B – 开源的多模态AI模型，基于Qwen2-72B模型，超越Llama 3.2
Molmo 72B是由艾伦人工智能研究所（Ai2）推出的一个开源多模态AI模型，专门设计用于处理和理解图像和文本数据。基于Qwen2-72B模型，使用OpenAI的CLIP作为视觉编码器。Molmo 72B在多个学术基准测试中表现优异，击败包括Llama 3.2 90B在内的其他模型。