LongVILA LongVILA是一款专为长视频理解设计的视觉语言AI模型，由多家知名研究机构共同开发。它具备强大的长上下文处理能力和多模态序列并行性，能在大量GPU上高效训练，无需梯度检查点。LongVILA通过五阶段训练流程，结合大规模数据集构建和高性能推理，显著提升了长视频字幕的准确性和处理效率。此外，它还支持多种应用场景，包括视频字幕生成、内容分析、视频问答系统等。 AI项目与工具 2025年06月12日 52 点赞 0 评论 156 浏览
GameNGen GameNGen是谷歌推出的一款AI游戏引擎，它能够以每秒20帧的速度实时生成高质量的DOOM游戏画面，使大多数玩家难以分辨真假。该工具无需编程，简化了开发流程，同时具备高逼真度和交互式体验，为游戏创作提供了新的可能性。除了游戏开发，它还能应用于虚拟现实、自动驾驶等多个领域，具有广泛的应用前景。 AI项目与工具 2025年06月12日 66 点赞 0 评论 155 浏览
CAD CAD-MLLM 是一款基于多模态输入生成参数化 CAD 模型的系统，融合了文本、图像和点云等多种数据形式。它通过命令序列与大型语言模型的结合，实现了高效的数据对齐与处理，并提出了创新的评估指标。CAD-MLLM 具备强大的鲁棒性和交互式设计能力，适用于工业设计、建筑设计、汽车制造等多个领域。 AI项目与工具 2025年02月07日 61 点赞 0 评论 153 浏览
悟道·天鹰（Aquila） 悟道·天鹰（Aquila）是智源研究院开源的中英双语语言大模型，具备强大的语言理解和生成能力。模型在设计上注重商用和数据合规性，同时提供持续的开源更新和技术支持。 Ai平台模型 1970年01月01日 0 点赞 0 评论 150 浏览
xGen xGen-MM是一款由Salesforce开发的开源多模态AI模型，具备处理文本和图像等数据类型的能力。该模型通过学习大量图像和文字信息，在视觉语言任务中表现出色，并通过开源模型、数据集和微调代码库促进模型性能的提升。xGen-MM具有多模态理解、大规模数据学习、高性能生成、开源可访问和微调能力等特点。其应用场景广泛，包括图像描述生成、视觉问答、文档理解、内容创作和信息检索等。 AI项目与工具 2025年06月12日 57 点赞 0 评论 148 浏览
Eagle 2.5 Eagle 2.5 是一款由英伟达开发的视觉语言模型，专注于长上下文多模态学习，具备处理高分辨率图像和长视频序列的能力。其参数规模为 8B，但性能接近更大模型。采用信息优先采样和渐进式后训练策略，提升模型稳定性与适应性。支持多样任务，适用于视频分析、图像处理、内容创作及教育等多个领域。 AI项目与工具 2025年06月11日 59 点赞 0 评论 141 浏览
AGUVIS AGUVIS是一款由香港大学与Salesforce联合开发的纯视觉框架，专为自主GUI智能体设计。它支持跨平台操作，通过图像观察与自然语言指令的关联，以及显式规划和推理能力，提高了代理在复杂数字环境中的交互效率。AGUVIS采用大规模数据集及两阶段训练方法，实现了在离线与在线场景中的高效性能，成为首个不依赖外部闭源模型即可独立完成任务的纯视觉GUI代理。 AI项目与工具 2025年06月12日 97 点赞 0 评论 137 浏览
OmniBooth OmniBooth是一款由华为诺亚方舟实验室与香港科技大学联合开发的图像生成框架，支持基于文本或图像的多模态指令控制及实例级定制。它通过高维潜在控制信号实现对图像中对象位置和属性的精准操控，具备多模态嵌入提取、空间变形技术以及特征对齐网络等功能，广泛应用于数据集生成、内容创作、游戏开发、虚拟现实及广告营销等领域。 AI项目与工具 2025年06月12日 46 点赞 0 评论 134 浏览
smoltalk Smoltalk-Chinese 是 OpenCSG 开发的中文大型语言模型专用合成数据集，包含 70 多万条高质量数据，涵盖多种任务类型，如信息查询、编程、数学、创意写作等。数据通过先进模型生成并经过严格筛选和去重，确保多样性与质量，适用于模型微调和多场景应用，提升语言理解和生成能力。 AI项目与工具 2025年06月12日 41 点赞 0 评论 131 浏览
