PhotoDoodle - 字节联合新加坡国立大学等推出的艺术化图像编辑框架
PhotoDoodle是新加坡国立大学、上海交通大学、北京邮电大学、字节跳动和Tiamat团队联合推出的艺术化图像编辑框架，基于少量样本学习艺术家的独特风格，实现照片涂鸦（photo doodling...
olmOCR - Ai2 开源的 PDF 转结构化文档工具
olmOCR 是 Ai2 推出的开源工具，用在将 PDF 文档高效转换为干净的结构化纯文本。olmOCR结合文档锚定（document-anchoring）技术与Qwen2-VL-7B-Instruc...
video-subtitle-master - 开源AI字幕生成工具，支持批量为视频或音频生成字幕
video-subtitle-master 是能批量为视频或音频生成字幕的工具，基于开源项目 VideoSubtitleGenerator 开发，支持批量为视频或音频生成字幕，将字幕翻译成其他语言。v...
DualPipe - DeepSeek 开源的双向流水线并行技术
DualPipe 是DeepSeek开源的创新的双向流水线并行技术，主要用于提升大规模深度学习模型的训练效率。核心思想是将模型的训练过程分为两个独立的管道——前向计算管道和反向计算管道，并行执行。
麦琪的花园 - AutoGame 推出的AI沙盒冒险游戏
麦琪的花园是深圳奥拓盖母（AutoGame）开发的AI沙盒冒险游戏，是全球首款将AI技术与沙盒玩法深度融合的游戏。玩家在游戏中扮演一位退休的勇者，从零开始建设自己的营地，收集资源、建造设施、发展农业...
EPLB - DeepSeek 开源的专家并行负载均衡器
EPLB（Expert Parallelism Load Balancer）是 DeepSeek 推出的专家并行负载均衡器，能解决大规模模型训练中不同专家模型（Expert）负载不均的问题。EPLB ...
Profiling Data - DeepSeek开源训练和推理框架的性能分析数据
PProfiling Data是DeepSeek开源的训练和推理框架的性能分析数据，基于PyTorch Profiler捕获的程序运行过程中的详细信息，用在分析和优化软件性能。
Phi-4-Multimodal - 微软最新推出的多模态语言模型
Phi-4-Multimodal 是微软最新推出的多模态语言模型，拥有 56 亿参数，能将语音、视觉和文本处理集成到一个统一架构中。模型在多个基准测试中表现优异，在自动语音识别（ASR）和语音翻译（S...
R1-Onevision - 开源多模态视觉推理模型，基于 Qwen2.5-VL 微调
R1-Onevision 是开源的多模态大语言模型，专注于复杂视觉推理任务。基于 Qwen2.5-VL 微调而成，通过整合视觉和文本数据，能精准地进行多模态信息解释。在数学、科学、深度图像理解和逻辑推...
Phi-4-Mini - 微软推出专注于文本任务的小型语言模型
Phi-4-Mini 是微软 Phi-4 系列中最新推出的专注于文本任务的小型语言模型，参数量为 38 亿。基于密集的解码器-only Transformer 架构，结合分组查询注意力（Grouped...