学习

1. 首页
2. 学习

VRAG

VRAG-RL是阿里巴巴通义大模型团队推出的视觉感知驱动的多模态RAG推理框架，旨在提升视觉语言模型在处理视觉丰富信息时的检索、推理和理解能力。通过定义视觉感知动作空间，实现从粗粒度到细粒度的信息获取，并结合强化学习和综合奖励机制优化模型性能。该框架支持多轮交互推理，具备良好的可扩展性，适用于智能文档问答、视觉信息检索、多模态内容生成等多种场景。

AI项目与工具 2025年06月11日 84 点赞 0 评论 647 浏览

Dippy

Dippy 是一款基于 AI 技术的个性化伴侣平台，通过虚拟角色实现与用户的互动交流。其特色包括思维链技术，使用户能洞察 AI 回答的逻辑过程；同时支持用户自定义角色外观、情感陪伴、语言学习及任务管理等功能。Dippy 目前专注于 iOS 用户群体，致力于打造高度个性化且透明的 AI 交互体验。

AI项目与工具 2025年06月12日 11 点赞 0 评论 646 浏览

OmniSVG

OmniSVG是复旦大学与StepFun联合开发的全球首个端到端多模态SVG生成模型，基于预训练视觉语言模型，通过创新的SVG标记化技术实现结构与细节的解耦，支持从文本、图像或角色参考生成高质量矢量图形。其训练效率高，支持长序列处理，适用于图标设计、网页开发、游戏角色生成等场景，生成结果具备高度可编辑性和跨平台兼容性。

AI项目与工具 2025年06月12日 90 点赞 0 评论 646 浏览

Rabbithole

Rabbithole 是一款基于AI的互动式知识探索工具，通过自然语言对话帮助用户深入了解历史事件和主题。平台支持对话记录保存、个性化内容推荐以及多样化的历史话题库，适用于历史爱好者、学生、教师及研究人员等多种用户群体，提升学习效率与知识获取深度。

AI项目与工具 2025年06月11日 12 点赞 0 评论 645 浏览

Motion Dreamer

Motion Dreamer是由香港科技大学（广州）研发的视频生成框架，采用两阶段架构生成物理合理的视频内容。通过引入“实例流”实现从稀疏到密集的运动控制，支持用户以少量提示生成时间连贯的视频。其随机掩码训练策略增强了模型的推理能力与泛化性能，已在多个数据集上验证其优越性。适用于视频创作、动画制作、VR/AR及自动驾驶等多个领域。

AI项目与工具 2025年06月12日 12 点赞 0 评论 645 浏览

MME

MME-CoT 是一个用于评估大型多模态模型链式思维推理能力的基准测试框架，涵盖数学、科学、OCR、逻辑、时空和一般场景六大领域，包含1,130个问题，每题均附关键推理步骤和图像描述。该框架引入推理质量、鲁棒性和效率三大评估指标，全面衡量模型推理能力，并揭示当前模型在反思机制和感知任务上的不足，为模型优化和研究提供重要参考。

AI项目与工具 2025年06月12日 36 点赞 0 评论 644 浏览

Astria AI

Astria是一个利用生成AI创建定制图像的平台。Astria AI允许用户上传一组主题的图像，然后根据文本提示生成新图像。

Ai绘画生成 2025年06月05日 28 点赞 0 评论 644 浏览

UniScribe

一个帮你更快的从音视频中获取信息的音视频转录和翻译工具。UniScribe能快速将本地音频、视频文件或 YouTube 视频转化为简短摘要，帮助您轻松掌握要点，支持98种语言。

Ai办公效率 2025年06月05日 33 点赞 0 评论 642 浏览

ColorFlow

ColorFlow是一款由清华大学与腾讯ARC实验室联合研发的图像序列着色模型，具备检索增强、上下文学习及超分辨率技术，能够精准保持个体身份并实现高质量着色。该工具在漫画、动画制作、老照片修复及艺术创作等领域具有广泛应用价值，同时支持学术研究和技术探索。

AI项目与工具 2025年06月12日 96 点赞 0 评论 642 浏览

Learn Prompting

Learn Prompting 是一个开源平台，致力于教授 AI 提示工程相关知识，涵盖从基础到高级的内容。其主要功能包括智能推荐、深度解析、模拟对话、学习进度跟踪等，同时提供体系化课程及实际应用场景案例。该工具适用于教育、语言学习、内容创作、数据分析等多个领域，助力用户提升 AI 技术的应用能力。

AI项目与工具 2025年06月12日 16 点赞 0 评论 642 浏览