PaliGemma 2 mix
PaliGemma 2 Mix 是谷歌 DeepMind 推出的多任务视觉语言模型，支持图像描述、目标检测、OCR、文档理解等功能。模型提供多种参数规模和分辨率选项，适用于不同场景。其基于开源框架开发，易于扩展，可通过简单提示切换任务。适用于科学问题解答、文档分析、电商内容生成等多个领域。
深度学习
DynamicCity
DynamicCity是由上海AI Lab开发的大规模动态场景生成框架，支持高质量4D LiDAR场景的生成与重建，适用于自动驾驶、机器人导航、虚拟现实等多个领域。该框架基于VAE和DiT模型，实现高效的场景编码与生成，支持轨迹引导、指令驱动生成和动态修复等多种应用，展现出优异的性能和广泛的应用潜力。
Agentic Reasoning
Agentic Reasoning是由牛津大学开发的增强大型语言模型推理能力的框架，通过整合外部工具（如网络搜索、代码执行和结构化记忆）解决复杂的多步骤推理问题。其核心在于动态调用代理，如Mind Map代理、网络搜索代理和代码代理，以提升推理效率与准确性。该框架在博士级科学推理和深度研究任务中表现优异，具备实时信息检索、逻辑关系组织和计算分析支持等功能，适用于学术、医学、金融等多个领域。
Shallow Research
Shallow Research 是一种基于“小模型+大模型”架构的快速信息处理工具，能够在短时间内完成大量网页内容的搜索、整理和初步分析，适合需要高效获取信息和生成初步结论的场景，提升研究与决策效率。
Finedefics
Finedefics是由北京大学彭宇新教授团队开发的细粒度多模态大模型，专注于提升多模态大语言模型在细粒度视觉识别任务中的表现。该模型通过引入对象的细粒度属性描述，结合对比学习方法，实现视觉对象与类别名称的精准对齐。在多个权威数据集上表现出色，准确率达76.84%。其应用场景涵盖生物多样性监测、智能交通、零售管理及工业检测等领域。
