UniAct – 清华、商汤、北大、上海AI Lab共同推出的具身基础模型框架
在人工智能领域，UniAct 是一个新型的具身基础模型框架，旨在解决不同机器人之间的行为异构性问题。UniAct以视觉语言模型为核心，构建了首个tokenized通用动作空间，解决了具身智能中的通用动...
排序
UniFluid – 谷歌联合麻省理工新推出的多模态视觉生成与理解统一自回归框架
随着AI技术的进一步发展和完善，我们可以看到更多令人惊叹的应用，如更精确的图像编辑工具、更智能的视觉内容创作辅助工具等等。也可以激发更多人探索自回归模型在视觉任务中的潜力，推动 AI 在理解和生成视觉...
TokenFD –上交联合美团推出图文对齐粒度的新突破 ，远超现有模型。
TokenFD是上海交通大学联合美团推出的细粒度图文对齐基础模型，主要用于文档理解任务。通过Token级对齐，实现了图像Token与语言Token在同一特征空间中的共享，支持Token级图文交互，在处...
SVG Converter – 免费的图像转换矢量格式工具，一键秒变高清矢量图
SVG Converter是在线矢量化工具，支持将多种位图图像（如JPG、PNG、BMP等）快速转换为矢量图形（如SVG、AI、EPS、PDF等）。SVG Converter支持多种文件格式，具备高质...
GR00T N1 – 英伟达全球首个开源的人形机器人基础模型
GR00T N1是全球首个面向通用人形机器人的开放基础模型。它不仅拥有理解视觉与语言指令的“智慧之眼”，还能通过实时生成流畅动作的“敏捷之手”，在复杂多变的环境中完成多样化任务。NVIDIA 将对这一...
SmolDocling – 轻量级的多模态文档处理模型，0.35秒解锁全文档奥秘！
最近 IBM 和 Hugging Face 的研究人员联合推出了一个新的小型视觉-语言模型 SmolDocling，这款专为文档转换任务而设计的模型，轻量级、高速且支持完整文档OCR的多模态视觉语言模...
Zoom新 推出的 智能 助手AI Companion ，具有记忆、推理、任务执行和协调能力
Zoom公布，推出代理式AI Companion功能，并于现有的Zoom AI Companion及其他人工智能(AI)功能进行升级。利用推理及记忆来采取行动并协调任务执行，包括对话式自助服务、并支持...
Cube 3D – Roblox 推出的 AI 3D 生成模型，提高3D创作效率
Roblox 宣布开源发布 Cube 3D 工具，这是一种全新的三维基础模型，旨在为用户提供一种全新的创作方式。通过 Cube 3D，用户可以在 Roblox 平台上直接利用基于文本的提示来创建三维物...
LangManus –开启AI自动化框架，多智能体协同完成步骤复杂任务
在人工智能和自动化技术不断发展的今天，如何高效地将多个工具和智能体结合在一起，以完成复杂的任务，成为了众多开发者的挑战。LangManus 作为一款刚开源的 AI Agent 工具，凭借其强大的大语言...
draw.io – 免费在线绘图工具，快速创建各种图表
今天，我们要介绍的是一款备受推崇的在线绘图工具——draw.io。凭借其出色的易用性、全面的功能、灵活的存储选项以及强大的协作能力，已成为用户创建和管理图表的首选工具。无论是用于工作、学习还是个人创意...