新WebAgent
自主搜索AI智能体 WebAgent是由阿里云通义实验室开源的自主搜索AI智能体项目，旨在模拟人类在网络环境中的感知、决策和行动循环，通过自主搜索和多步推理处理复杂、模糊的网络任务。
表格理解大模型 TabPedia是一个新型的大型视觉-语言模型，由中国科学技术大学和字节跳动公司联合开发。该模型通过概念协同机制，能够无缝集成多种视觉表格理解（VTU）任务，如表格检测、表格结构识别、表格查询和表格问题回答。
数据统计
相关导航
新FLUX.1-dev
LoRA 服装生成器 FLUX.1-dev LoRA 服装生成器利用先进的人工智能技术，为用户带来前所未有的时尚设计体验，让设计小白也能秒出服装效果图。
新LingBot-World
蚂蚁灵波开源世界模型 LingBot-World 是蚂蚁灵波科技开源的一款顶尖世界模型，它以可扩展数据引擎为驱动，能提供高保真、高动态且可实时交互的模拟环境，在视频质量、长时序一致性等多方面表现突出，适配多领域应用。
新昆仑万维
SkyReels - V3 昆仑万维 SkyReels - V3 是一款由 Skywork AI 开源的多模态视频生成模型，在单一建模架构中实现参考图像转视频、视频延长和音频驱动虚拟形象三大核心能力，达成高保真多模态视频生成的行业领先水平。
新Revisit-Anything
视觉位置识别技术 Revisit-Anything 可以帮助用户高效地管理和回顾各种内容。它能够对文本、图像、代码等多种类型的文件进行分类和标记，方便用户快速找到所需内容。同时，该工具还支持搜索功能，用户可以通过关键词快速定位到特定的文件或信息。
新DeepFakeDefenders
DeepFakeDefenders是一个用于检测和防御深度伪造（DeepFake）技术的开源工具，通过集成先进的深度学习模型来识别图像中的伪造痕迹。
新DisPose
可控人像动画技术 DisPose 是一种可控制的人体图像动画方法，它通过运动场引导和关键点对应来提高视频生成的质量。
新蚂蚁集团LingBot-VLA
开启双臂机器人“大模型操控”新时代 正 LingBot-VLA是蚂蚁集团推出的一个专注于现实世界复杂操控任务的视觉-语言-动作基础模型，它通过海量真实机器人数据进行训练，实现了用自然语言指令直接操控多种不同形态的双臂机器人。
暂无评论...