模型

在图像生成任务中，扩散模型凭借强大的表达能力成为主流方案。然而，在仅有一张图像作为训练样本的情况下，模型容易出现过拟合现象，导致生成结果过度依赖原始图像背景或姿态，而无法很好地响应文本提示。 为此，研...

在大规模文本转语音（TTS）模型的发展中，自回归与非自回归系统各有优劣。自回归模型虽然在语音自然度方面表现优异，但其逐标记生成机制难以实现对语音持续时间的精确控制。这一缺陷在视频配音等需要严格音画同步...

Liquid AI 正式发布新一代设备端基础模型 LFM2（Liquid Foundation Model 2），重新定义了边缘 AI 推理的速度、效率与部署灵活性。 模型：https://huggi...

Mistral AI 推出了 Devstral Medium 以及 Devstral Small 的升级版本。这些模型由 Mistral AI 与 All Hands AI 合作开发，重点在于对不同提...

月之暗面正式发布其新一代 MoE 架构大模型——Kimi K2，并同步开源。该模型具备卓越的代码能力、数学推理能力以及智能代理（Agent）任务处理能力，是目前最适配于构建自主化智能系统的开源基础模型...

Reka AI 正式发布了其推理模型 Reka Flash 3.1，这是其 21 亿参数模型 Reka Flash 3 的重要升级版本。该模型在代码生成、智能体任务微调等方面表现尤为突出，并作为 Re...

由 Numina 与 Kimi 团队联合开发的 Kimina-Prover-72B 正式发布。这是目前在 Lean 4 形式化语言中，首个能够以接近人类方式推理并自动构建数学定理证明的大型神经定理证明...

Sarvam AI 推出了其最新翻译模型 Sarvam-Translate，一款专注于支持印度 22 种官方语言的高质量、上下文感知翻译系统。该模型基于 Google 的 Gemma3-4B-IT 进...

清华大学的研究人员提出了一种全新的 2D 动画着色方法——SketchColour。该方法基于扩散变换器（DiT）架构，能够将黑白草图序列自动转换为连贯的彩色动画，显著提升动画制作效率。 项目主页：h...

微软今天宣布推出 Phi 模型家族的最新成员 —— Phi-4-mini-flash-reasoning。这款模型专为计算、内存和延迟受限的场景设计，为边缘设备、移动应用等资源受限环境提供高效的推理能...

谷歌近日宣布推出其最新的开源医疗 AI 模型系列——MedGemma，并同时发布了轻量级图像编码器 MedSigLIP。这是继健康 AI 开发者基础（HAI-DEF）项目之后，谷歌在医疗 AI 领域迈...

在当前大语言模型（LLM）领域中，解码器独占架构凭借其强大的生成能力成为主流。然而，经典的编码器-解码器架构——如 T5（文本到文本转换变换器）——因其出色的推理效率、灵活的设计以及对输入语义的深度理...