问答
  1. 首页
  2. 问答

列表

Ming

Ming

Ming-Lite-Omni是蚂蚁集团开源的统一多模态大模型，基于MoE架构，支持文本、图像、音频和视频等多种模态的输入输出，具备强大的理解和生成能力。模型在多个任务中表现优异，如图像识别、视频理解、语音问答等，适用于OCR识别、知识问答、视频分析等多个领域。其高效处理能力和多模态交互特性，为用户提供一体化智能体验。
AI项目与工具 2025年06月11日
CAR

CAR

CAR（Certainty-based Adaptive Reasoning）是字节跳动联合复旦大学推出的自适应推理框架，旨在提升大型语言模型（LLM）和多模态大型语言模型（MLLM）的推理效率与准确性。该框架通过动态切换短答案和长形式推理，根据模型对答案的置信度（PPL）决定是否进行详细推理，从而在保证准确性的同时节省计算资源。CAR适用于视觉问答（VQA）、关键信息提取（KIE）等任务，在数学
AI项目与工具 2025年06月11日
Pixel Reasoner

Pixel Reasoner

Pixel Reasoner是由多所高校联合开发的视觉语言模型，通过像素空间推理增强对视觉信息的理解和分析能力。它支持直接对图像和视频进行操作，如放大区域或选择帧，以捕捉细节。采用两阶段训练方法，结合指令调优和好奇心驱动的强化学习，提升视觉推理性能。在多个基准测试中表现优异，适用于视觉问答、视频理解等任务，广泛应用于科研、教育、工业质检和内容创作等领域。
AI项目与工具 2025年06月11日
DeepWiki MCP

DeepWiki MCP

DeepWiki MCP是Cognition Labs推出的远程服务器，基于开放标准的Model Context Protocol（MCP），为AI应用提供访问和搜索GitHub代码库文档的能力。它包含三个主要工具：获取文档主题列表、查看文档内容以及针对仓库提问获得AI回答。支持SSE和Streamable HTTP传输协议，确保信息实时性和准确性，适用于快速查询文档、技术问题解答、代码库结构概览
AI项目与工具 2025年06月11日
BLIP3

BLIP3

BLIP3-o是Salesforce Research等机构推出的多模态AI模型，结合自回归与扩散模型优势，实现高效图像理解和生成。基于CLIP语义特征，支持文本与图像间的双向转换及图像编辑。采用顺序预训练策略，提升模型性能。完全开源，适用于创意设计、视觉问答、艺术生成等多种场景。
AI项目与工具 2025年06月11日
Nooka

Nooka

Nooka是一款基于AI技术的听书应用，提供全球非虚构类书籍的20分钟音频摘要，适合碎片化时间学习。用户可随时提问并获得AI即时回答，实现深度互动。应用支持多语言字幕、音频剪辑分享及社区交流，适用于通勤、运动、家务等多种场景，提升学习效率与趣味性。
AI项目与工具 2025年06月11日
ZeroSearch

ZeroSearch

ZeroSearch 是阿里巴巴通义实验室开发的基于大模型的搜索引擎框架，通过强化学习技术提升搜索能力，无需依赖真实搜索引擎。它能动态生成相关或噪声文档，显著降低训练成本（超80%），并支持多种模型和算法，适用于问答、内容创作、教育等多个场景。
AI项目与工具 2025年06月11日
觅果·Migo

觅果·Migo

觅果·Migo 是一款基于 AI 技术的学习与研究平台，支持多模态内容处理，涵盖文本、图像和数据。提供智能问答、网页辅读、文献分析、学术写作、化学辅助等功能，适用于科研、学习与内容创作。用户可通过云端访问，实现多设备无缝切换，提升信息处理与知识管理效率。
AI项目与工具 2025年06月11日
Spatial

Spatial

Spatial-RAG是一种用于增强大型语言模型空间推理能力的框架，融合了稀疏空间检索与密集语义检索技术。它通过多目标优化策略平衡空间约束与语义相关性，生成准确、连贯的自然语言回答。该工具可应用于旅游推荐、智能导航、城市规划、地理问答和物流配送等多个领域，提升了空间数据处理的智能化水平。
AI项目与工具 2025年06月11日
WebSSL

WebSSL

WebSSL是由Meta和纽约大学等机构开发的视觉自监督学习模型，基于大规模网络图像数据训练，无需语言监督即可学习有效视觉表示。其包含多个变体，参数规模从3亿到70亿不等，在多模态任务如视觉问答、OCR和图表理解中表现出色。通过筛选含文本图像数据，显著提升特定任务性能。模型具备良好的扩展性，适用于智能客服、文档处理、医疗影像分析等多个领域。
AI项目与工具 2025年06月11日