学习

Kilo Code

Kilo Code是一款开源的VS Code AI Agent扩展程序,旨在提升开发人员的编码效率。它具备自然语言生成代码、任务自动化、代码重构、智能补全等功能,支持多种预设模式和MCP服务器市场,内置最新AI模型如Claude 3.7 Sonnet和Gemini 2.5 Pro,无需手动配置API密钥。适用于快速开发原型、编程学习、代码维护和团队开发等场景。

QwenLong

QwenLong-L1-32B是阿里巴巴集团Qwen-Doc团队开源的首个长文本推理大模型,基于渐进式上下文扩展、课程引导的强化学习和难度感知的回顾性采样策略,显著提升长文本场景下的推理能力。该模型在多个DocQA基准测试中表现优异,平均准确率达70.7%,超越多个现有旗舰模型。其功能包括长文本推理、稳定训练、混合奖励、广泛适用性和高性能表现,适用于法律、金融、科研等多个领域。

SOM AI

SOM AI 是一款 AI 辅助学术写作工具,帮助学生完成毕业论文和学术研究。它提供研究主题头脑风暴、段落释义、简化复杂内容等功能,帮助学生避免抄袭并快速理解学术内容。SOM AI 还能提供情感支持,缓解写作压力,适用于毕业论文和日常学术作业,是高效的学习助手。

Jodi

Jodi是由中国科学院计算技术研究所和中国科学院大学推出的扩散模型框架,基于联合建模图像域和多个标签域,实现视觉生成与理解的统一。它支持联合生成、可控生成和图像感知三种任务,利用线性扩散Transformer和角色切换机制,提升生成效率和跨领域一致性。Jodi使用Joint-1.6M数据集进行训练,包含20万张高质量图像和7个视觉域标签,适用于创意内容生成、多模态数据增强、图像编辑与修复等场景。

HunyuanPortrait

HunyuanPortrait是由腾讯Hunyuan团队联合多所高校推出的基于扩散模型的肖像动画生成工具。它能够根据一张肖像图片和视频片段,生成高度可控且逼真的动画,保持身份一致性并捕捉细微表情变化。该工具在时间一致性和泛化能力方面表现优异,适用于虚拟现实、游戏、人机交互等多个领域。

CoGenAV

CoGenAV是一种先进的多模态学习模型,专注于音频和视觉信号的对齐与融合。通过对比特征对齐和生成文本预测的双重目标进行训练,利用同步音频、视频和文本数据,学习捕捉时间对应关系和语义信息。CoGenAV具备音频视觉语音识别、视觉语音识别、噪声环境下的语音处理、语音重建与增强、主动说话人检测等功能,适用于智能助手、视频内容分析、工业应用和医疗健康等多个场景。

Style Art AI

Style Art AI 是一款基于 AI 技术的图像创作工具,结合 ChatGPT 4o 模型与多种艺术风格,可将文字描述或图片快速转换为不同风格的艺术作品。用户只需输入文本或上传图片,设置参数即可生成高质量图像。支持 30 多种风格,包括经典动画、迪士尼、皮克斯等,并提供风格混合、细节优化等功能,适合初学者和专业设计师使用。

OmniConsistency

OmniConsistency 是新加坡国立大学推出的图像风格迁移模型,旨在解决复杂场景下风格化图像的一致性问题。该模型采用两阶段训练策略,将风格学习与一致性学习解耦,并支持与任意风格的 LoRA 模块集成,实现高效且灵活的风格化效果。它在多种风格下保持图像的语义、结构和细节一致性,具备更高的灵活性和泛化能力,在实验中表现出与 GPT-4o 相当的性能。

WebAgent

WebAgent是阿里巴巴开源的自主搜索AI Agent,具备端到端的自主信息检索与多步推理能力。它能主动搜索多个学术数据库,筛选、分析最相关的文献,整合不同文献中的观点,为用户提供全面且精准的研究报告。WebAgent基于创新的数据合成方法和高效的训练策略,实现高效的多步推理和信息检索能力,适用于学术研究、商业决策和日常生活等多种场景。

Chai

Chai是一款AI伴侣应用,提供强大的内容生成能力和独特的交互体验。用户可以与各种AI角色进行聊天,角色具有不同的性格、背景和对话风格。Chai支持用户创建自定义AI角色,个性化推荐适合的AI角色,并提供数千个预设角色。用户可主导剧情走向,探索成人向内容,享受自由度极高的互动体验。同时,Chai支持多语言交流,适用于AI陪伴、角色扮演、语言学习和情感支持等多种场景。