最佳 AI 模型与大语言模型

Lyria — Google DeepMind

AI 模型

Lyria 3.5 是 Google DeepMind 开发的先进音乐生成模型，帮助用户轻松创作歌曲。它提供技术控制和在各种流派中创作曲目的能力，使音乐创作变得可及且富有创新性。

芝麻 CSM — 语音生成模型

AI 模型

对话式语音模型，能够从文本和音频输入生成音频代码。它利用 Llama 主干，旨在用于研究和教育目的，促进 AI 技术的负责任使用。芝麻 CSM 是一个对话式语音模型，能够从文本和音频输入生成音频代码。它利用 Llama 主干，旨在用于研究和教育目的，促进 AI 技术的负责任使用。

花岗岩

AI 模型

IBM 花岗岩是一系列开放、可信赖的商业 AI 模型，提供高效的语言、视觉、语音和安全模型，可根据企业需求进行定制和部署。

Llama-2-7b-chat-hf

AI 模型

针对对话用例优化的微调生成文本模型。由 Meta 开发，提供先进的自然语言处理能力，适用于商业和研究应用。Llama-2-7b-chat-hf 是一个针对对话用例优化的微调生成文本模型。由 Meta 开发，提供先进的自然语言处理能力，适用于商业和研究应用。

Inkling 模型卡 - 思维机器实验室

AI 模型

拥有 9750 亿参数的多模态 AI 模型，专为开发者设计。它接受文本、图像和音频输入，生成文本输出，适用于各种应用，包括聊天机器人和编码助手。以开放权重发布，支持研究和集成到第三方产品中。Inkling 是一个拥有 9750 亿参数的多模态 AI 模型，专为开发者设计。它接受文本、图像和音频输入，生成文本输出，适用于各种应用，包括聊天机器人和编码助手。以开放权重发布，支持研究和集成到第三方产品中。

HunyuanImage 3.0 — 图像生成的 AI 模型

AI 模型

强大的本地多模态模型，专为图像生成而设计。它在文本到图像和图像到图像任务中表现出色，提供了先进的创意编辑和智能提示增强能力。HunyuanImage 3.0 是一个强大的本地多模态模型，专为图像生成而设计。它在文本到图像和图像到图像任务中表现出色，提供了先进的创意编辑和智能提示增强能力。

Mistral-7B-v0.1

AI 模型

具有 70 亿参数的预训练生成文本模型，旨在通过开源推动人工智能的发展。它在各种基准测试中超越了 Llama 2 13B，使其成为自然语言处理任务的强大工具。Mistral-7B-v0.1 是一个具有 70 亿参数的预训练生成文本模型，旨在通过开源推动人工智能的发展。它在各种基准测试中超越了 Llama 2 13B，使其成为自然语言处理任务的强大工具。

Phi-4-reasoning-vision-15B

AI 模型

微软开发的多模态AI模型，旨在处理需要视觉-语言理解和推理能力的任务。它在科学推理和计算机使用代理任务中表现出色，适用于各种应用。Phi-4-reasoning-vision-15B是微软开发的多模态AI模型，旨在处理需要视觉-语言理解和推理能力的任务。它在科学推理和计算机使用代理任务中表现出色，适用于各种应用。

BAAI/bge-large-en-v1.5 · Hugging Face

AI 模型

最先进的嵌入模型，旨在增强检索增强语言模型的能力。它提升了检索能力并支持多种任务，适用于自然语言处理和人工智能研究的应用。BAAI/bge-large-en-v1.5 是一个最先进的嵌入模型，旨在增强检索增强语言模型的能力。它提升了检索能力并支持多种任务，适用于自然语言处理和人工智能研究的应用。

Falcon-H1R-7B

大语言模型

专注于推理的 AI 模型，旨在提高数学、编程和逻辑任务的性能。由技术创新研究所开发，采用混合架构以实现高效推理和测试时扩展。Falcon-H1R-7B 是一个专注于推理的 AI 模型，旨在提高数学、编程和逻辑任务的性能。由技术创新研究所开发，采用混合架构以实现高效推理和测试时扩展。

OmniParser：基于视觉的 GUI 代理

AI 模型

OmniParser 是一种将用户界面截图解析为结构化元素的方法。它增强了视觉语言模型（如 GPT-4V）在界面上生成动作的能力。OmniParser 识别可交互的图标并理解元素语义，从而提高基准测试的性能。它被设计为各种视觉语言模型的插件。

pollinations.ai

AI 应用

使用单一 API 构建文本、图像、音频和视频的 AI 应用程序。Pollinations.ai 负责模型和基础设施，用户可以花费自己的积分。开发者还可以选择性地从其应用内用户支出中获得分成，从而赚取奖励。

DeepSeek-v3 AI 模型

AI 应用

提供即时 AI 解决方案，由先进的 MoE 架构和最先进的语言模型驱动。通过这款稳定、免费且无限制的模型体验尖端 AI 功能，该模型专为各种硬件部署的高效推理和多语言支持而设计。DeepSeek-v3 提供即时 AI 解决方案，由先进的 MoE 架构和最先进的语言模型驱动。通过这款稳定、免费且无限制的模型体验尖端 AI 功能，该模型专为各种硬件部署的高效推理和多语言支持而设计。

Reflection 70B Online

AI 应用

试用 Reflection 70B，一个基于 Llama 70B 的开源 LLM。它具有创新的自我纠错功能，在基准测试中表现优于 GPT-4 和 Llama 3.1 405B。免费访问聊天界面，无需注册，即可进行高级 AI 对话和复杂问题解决。

DeepSeek R1 Online

AI 应用

开源 AI 模型，专为高级推理而设计，性能超越 OpenAI 的 o1 模型。它采用混合专家（Mixture of Experts）架构，拥有 370 亿活跃参数和 128K 的上下文长度。该模型针对复杂问题解决进行了优化，在数学、编程和通用推理任务中展现出令人印象深刻的准确性，并注重成本效益和本地部署。DeepSeek R1 Online 是一款开源 AI 模型，专为高级推理而设计，性能超越 OpenAI 的 o1 模型。它采用混合专家（Mixture of Experts）架构，拥有 370 亿活跃参数和 128K 的上下文长度。该模型针对复杂问题解决进行了优化，在数学、编程和通用推理任务中展现出令人印象深刻的准确性，并注重成本效益和本地部署。

自回归生成式 AI 模型，可根据描述性文本标题创建音频样本。它解决了音频生成中的挑战，例如分离声源、处理现实世界噪声以及文本标注稀缺的问题。该模型在学习到的离散音频表示上运行，以实现高保真输出。AudioGen 是一个自回归生成式 AI 模型，可根据描述性文本标题创建音频样本。它解决了音频生成中的挑战，例如分离声源、处理现实世界噪声以及文本标注稀缺的问题。该模型在学习到的离散音频表示上运行，以实现高保真输出。

Meta Segment Anything Model 2

AI 模型

统一的图像和视频分割模型。它支持通过点击、框选或掩码进行快速、精确的对象选择，在各种应用中提供强大的零样本性能和实时交互性。Meta Segment Anything Model 2 (SAM 2) 是一款统一的图像和视频分割模型。它支持通过点击、框选或掩码进行快速、精确的对象选择，在各种应用中提供强大的零样本性能和实时交互性。

FFMPerative-7B

AI 模型

基于 Llama 2 7B 的 LLM，经过微调以适应视频制作工作流程。它允许用户通过自然语言命令控制视频编辑任务，并与 FFMPerative 工具进行交互。该模型简化了没有技术专长的用户的复杂视频编辑过程，使裁剪、调整大小和音频调整等任务变得易于操作。FFMPerative-7B 是一个基于 Llama 2 7B 的 LLM，经过微调以适应视频制作工作流程。它允许用户通过自然语言命令控制视频编辑任务，并与 FFMPerative 工具进行交互。该模型简化了没有技术专长的用户的复杂视频编辑过程，使裁剪、调整大小和音频调整等任务变得易于操作。

OPT-175B

AI 模型

Meta AI 发布的一个拥有 1750 亿参数的语言模型，面向研究社区。它提供了对大规模语言模型的访问，从而能够更深入地理解和推进自然语言处理（NLP）研究，并专注于负责任的开发和减轻偏见。OPT-175B 是 Meta AI 发布的一个拥有 1750 亿参数的语言模型，面向研究社区。它提供了对大规模语言模型的访问，从而能够更深入地理解和推进自然语言处理（NLP）研究，并专注于负责任的开发和减轻偏见。

Gato Generalist Agent

AI 模型

Google DeepMind 开发的单一通用人工智能代理。它可以执行各种任务，包括玩 Atari 游戏、为图像添加字幕、聊天以及控制真实的机器人手臂。这种多模态代理使用 Transformer 神经网络来处理多样化的数据输入并生成适当的输出。Gato 是 Google DeepMind 开发的单一通用人工智能代理。它可以执行各种任务，包括玩 Atari 游戏、为图像添加字幕、聊天以及控制真实的机器人手臂。这种多模态代理使用 Transformer 神经网络来处理多样化的数据输入并生成适当的输出。

Densenet – PyTorch

AI 模型

深度卷积神经网络架构，可通过PyTorch使用。它通过以前馈方式将每个层连接到所有其他层来增强特征传播和重用。该模型在ImageNet上进行了预训练，并提供densenet121、densenet169、densenet201和densenet161等变体，用于图像分类任务。Densenet是一种深度卷积神经网络架构，可通过PyTorch使用。它通过以前馈方式将每个层连接到所有其他层来增强特征传播和重用。该模型在ImageNet上进行了预训练，并提供densenet121、densenet169、densenet201和densenet161等变体，用于图像分类任务。

SqueezeNet – PyTorch

AI 模型

深度卷积神经网络模型，可通过 PyTorch 使用。它在实现 AlexNet 级别准确率的同时，参数量和模型尺寸显著减少，使其在各种计算机视觉任务中效率很高。该模型在 ImageNet 上进行了预训练，可以轻松集成到 PyTorch 项目中。SqueezeNet 是一个深度卷积神经网络模型，可通过 PyTorch 使用。它在实现 AlexNet 级别准确率的同时，参数量和模型尺寸显著减少，使其在各种计算机视觉任务中效率很高。该模型在 ImageNet 上进行了预训练，可以轻松集成到 PyTorch 项目中。

Xception

AI 模型

深度学习模型，可通过 Keras 3 API 使用。它是 Keras Applications 的一部分，为各种计算机视觉任务提供预训练模型。Xception 专为图像分类及相关应用而设计，为构建先进的 AI 系统奠定了坚实的基础。Xception 是一个深度学习模型，可通过 Keras 3 API 使用。它是 Keras Applications 的一部分，为各种计算机视觉任务提供预训练模型。Xception 专为图像分类及相关应用而设计，为构建先进的 AI 系统奠定了坚实的基础。

Transfo-XL-WT103

AI 模型

具有相对位置嵌入的因果Transformer模型，可以重用隐藏状态以处理更长的上下文。该模型由Zihang Dai等人开发，并使用自适应Softmax处理输入和输出。该模型适用于文本生成任务，并在Wikitext-103数据集上进行了训练。Transfo-XL-WT103 是一种具有相对位置嵌入的因果Transformer模型，可以重用隐藏状态以处理更长的上下文。该模型由Zihang Dai等人开发，并使用自适应Softmax处理输入和输出。该模型适用于文本生成任务，并在Wikitext-103数据集上进行了训练。

Gopher

AI 模型

来自 Google DeepMind 的一个拥有 2800 亿参数的变换器语言模型，属于一个参数范围从 4400 万到 2800 亿的模型家族。该模型在 2021 年的研究发布中介绍，评估了阅读理解、事实核查和有毒语言识别等任务，在某些任务上因规模而获益，而在其他任务上则未能如愿，例如逻辑推理。Gopher 是来自 Google DeepMind 的一个拥有 2800 亿参数的变换器语言模型，属于一个参数范围从 4400 万到 2800 亿的模型家族。该模型在 2021 年的研究发布中介绍，评估了阅读理解、事实核查和有毒语言识别等任务，在某些任务上因规模而获益，而在其他任务上则未能如愿，例如逻辑推理。

Chinchilla

AI 模型

来自 Google DeepMind 的一个 700 亿参数的语言模型，训练于 1.3 万亿个标记，旨在测试一个在更多数据上训练的小模型是否能超越一个更大的模型。它使用与 DeepMind 的 280 亿参数 Gopher 相同的训练计算，几乎在所有测试的基准上都超越了 Gopher 和其他大型模型。Chinchilla 是来自 Google DeepMind 的一个 700 亿参数的语言模型，训练于 1.3 万亿个标记，旨在测试一个在更多数据上训练的小模型是否能超越一个更大的模型。它使用与 DeepMind 的 280 亿参数 Gopher 相同的训练计算，几乎在所有测试的基准上都超越了 Gopher 和其他大型模型。

Parti：Pathways 自回归文本到图像模型

AI 模型

Parti 是一个自回归文本到图像生成模型，可创建高保真度、照片级真实感的图像。它将图像生成视为一个序列到序列问题，利用大型语言模型的进步来实现复杂的构图和世界知识合成。Parti 支持内容丰富的合成，具有精细的细节和交互。

LaMDA

AI 模型

谷歌突破性的对话式AI模型，旨在就广泛的主题进行自由流畅的对话。它基于Transformer架构，专门针对对话数据进行训练，以理解诸如合理性和特异性等细微差别，从而实现更自然的人机交互和新的应用类别。LaMDA是谷歌突破性的对话式AI模型，旨在就广泛的主题进行自由流畅的对话。它基于Transformer架构，专门针对对话数据进行训练，以理解诸如合理性和特异性等细微差别，从而实现更自然的人机交互和新的应用类别。

InstructGPT

AI 模型

InstructGPT 模型是经过训练的 AI 语言模型，比 GPT-3 更能遵循用户意图。它们通过人类反馈强化学习，更加真实、毒性更低，并与用户目标保持一致，现已为 OpenAI 的 API 提供支持。

DreamFusion

AI 模型

从文本描述生成 3D 物体的 AI 模型。它利用预训练的 2D 扩散模型来创建可重新照明的 3D 资产，如神经辐射场 (NeRF)，而无需 3D 训练数据。这使得能够为各种文本提示生成高保真度的外观、深度和法线。DreamFusion 是一个从文本描述生成 3D 物体的 AI 模型。它利用预训练的 2D 扩散模型来创建可重新照明的 3D 资产，如神经辐射场 (NeRF)，而无需 3D 训练数据。这使得能够为各种文本提示生成高保真度的外观、深度和法线。

Longformer Base 4096

AI 模型

为处理长文档而设计的 Transformer 模型。它基于 RoBERTa，并在最长 4096 个 token 的扩展序列上进行了预训练。该模型采用混合注意力机制，结合了滑动窗口和全局注意力，以实现高效的长文档理解和特定任务的表征学习。Longformer Base 4096 是一款为处理长文档而设计的 Transformer 模型。它基于 RoBERTa，并在最长 4096 个 token 的扩展序列上进行了预训练。该模型采用混合注意力机制，结合了滑动窗口和全局注意力，以实现高效的长文档理解和特定任务的表征学习。

google/bigbird-roberta-base

AI 模型

BigBird基础模型是一个Transformer模型，它通过块稀疏注意力机制扩展了BERT，能够处理更长的序列。该模型已针对英文文本进行掩码语言模型任务的预训练，可以高效处理长达4096个token的序列，并在长文档任务上取得了最先进的成果。

Phi-2 语言模型

AI 模型

来自微软研究院的一个拥有 27 亿参数的语言模型。它展现了出色的推理和语言理解能力，在 130 亿参数以下的模型中取得了最先进的性能。在复杂的基准测试中，Phi-2 的表现与模型大小高出 25 倍的模型相当或更优，是研究和实验的理想选择。Phi-2 是来自微软研究院的一个拥有 27 亿参数的语言模型。它展现了出色的推理和语言理解能力，在 130 亿参数以下的模型中取得了最先进的性能。在复杂的基准测试中，Phi-2 的表现与模型大小高出 25 倍的模型相当或更优，是研究和实验的理想选择。

StyleGAN3 引入了无别名（alias-free）的生成对抗网络，通过彻底改革生成器内的信号处理来实现。这项创新消除了“纹理粘连”现象，能够更连贯地合成视频和动画。该模型在实现 StyleGAN2 的 FID 分数的同时，提供了对平移和旋转的完全等变性，即使在亚像素尺度上也是如此。

通用句子编码器

AI 模型

谷歌的通用句子编码器将文本编码为高维向量，用于文本分类、语义相似性和聚类等任务。它针对句子、短语和短段落进行了优化。

PaLM-E

AI 模型

具身多模态语言模型，它将真实的连续传感器数据与文本相结合。通过将语言与感知相联系，使机器人能够执行复杂任务，并在不同的训练领域和具身环境中展现出积极的迁移能力，以实现高级推理和规划。PaLM-E 是一个具身多模态语言模型，它将真实的连续传感器数据与文本相结合。通过将语言与感知相联系，使机器人能够执行复杂任务，并在不同的训练领域和具身环境中展现出积极的迁移能力，以实现高级推理和规划。

DGCNN

AI GitHub 仓库

用于点云学习的 AI 模型，实现了动态图卷积神经网络。它在 3D 点云数据的分类和分割等任务中取得了最先进的性能。该模型有 PyTorch 实现版本，并已应用于实际场景。DGCNN 是一款用于点云学习的 AI 模型，实现了动态图卷积神经网络。它在 3D 点云数据的分类和分割等任务中取得了最先进的性能。该模型有 PyTorch 实现版本，并已应用于实际场景。

Wav2vec 2.0

AI 模型

用于自动语音识别的自监督学习算法。它从原始音频中学习，仅需极少量转录数据即可达到高精度。这使得更多语言、方言和领域能够实现语音识别，减少对海量标注数据集的依赖。Wav2vec 2.0 是一种用于自动语音识别的自监督学习算法。它从原始音频中学习，仅需极少量转录数据即可达到高精度。这使得更多语言、方言和领域能够实现语音识别，减少对海量标注数据集的依赖。

能够生成高质量、具有长期一致性的音频的 AI 模型。它将音频生成视为一项语言建模任务，将音频映射到离散的 token。该框架在生成自然连贯的语音和音乐续写方面表现出色，即使是针对未曾见过的说话人或风格。AudioLM 是一个能够生成高质量、具有长期一致性的音频的 AI 模型。它将音频生成视为一项语言建模任务，将音频映射到离散的 token。该框架在生成自然连贯的语音和音乐续写方面表现出色，即使是针对未曾见过的说话人或风格。

Flamingo

AI 模型

来自 Google DeepMind 的单一视觉语言模型 (VLM)，在各种多模态任务的少样本学习方面表现出色。它处理交错的图像、视频和文本，以生成相关的语言输出，仅需极少的特定任务示例即可完成，无需额外训练。Flamingo 是来自 Google DeepMind 的单一视觉语言模型 (VLM)，在各种多模态任务的少样本学习方面表现出色。它处理交错的图像、视频和文本，以生成相关的语言输出，仅需极少的特定任务示例即可完成，无需额外训练。

BEiT 图像 Transformer

AI 模型

自监督视觉表示模型，它使用掩码图像建模来预训练视觉 Transformer。它将图像分词为视觉标记，并恢复被掩码的图像块，在图像分类和语义分割等下游任务上取得了有竞争力的结果。BEiT 是一个自监督视觉表示模型，它使用掩码图像建模来预训练视觉 Transformer。它将图像分词为视觉标记，并恢复被掩码的图像块，在图像分类和语义分割等下游任务上取得了有竞争力的结果。

ImageBind by Meta AI

AI 模型

Meta AI 开发的多模态 AI 模型，能够融合图像、视频、音频、文本、深度和热成像六种模态的数据。它在无需显式监督的情况下学习单一的嵌入空间，从而为 AI 系统实现先进的跨模态理解和生成。ImageBind 是 Meta AI 开发的多模态 AI 模型，能够融合图像、视频、音频、文本、深度和热成像六种模态的数据。它在无需显式监督的情况下学习单一的嵌入空间，从而为 AI 系统实现先进的跨模态理解和生成。

HuggingFaceH4/zephyr-7b-beta

AI 模型

Zephyr-7B-β 是一个开源语言模型，通过直接偏好优化 (DPO) 从 Mistral-7B-v0.1 微调而来。它作为有用的助手表现出色，在 MT-Bench 和 AlpacaEval 基准测试中展现出强大的性能，非常适合聊天应用。

Fuyu-8B 多模态架构

AI 模型

开源的多模态人工智能模型，专为数字代理设计。其简化的架构支持任意图像分辨率，能够以快速的响应时间回答关于图表、示意图和用户界面元素的问题。它在标准基准测试中表现良好，并可在 HuggingFace 上获取。Fuyu-8B 是一款开源的多模态人工智能模型，专为数字代理设计。其简化的架构支持任意图像分辨率，能够以快速的响应时间回答关于图表、示意图和用户界面元素的问题。它在标准基准测试中表现良好，并可在 HuggingFace 上获取。

IDEFICS Visual Language Model

AI 模型

开放访问的视觉语言模型，能够复现最先进的性能。它接受交错的图像和文本输入，生成文本输出，其能力可与 Flamingo 等专有模型相媲美。提供 9B 和 80B 参数版本，支持多模态 AI 的研究和开发。IDEFICS 是一个开放访问的视觉语言模型，能够复现最先进的性能。它接受交错的图像和文本输入，生成文本输出，其能力可与 Flamingo 等专有模型相媲美。提供 9B 和 80B 参数版本，支持多模态 AI 的研究和开发。

人工智能模型，通过将冻结的视觉编码器与大型语言模型对齐，增强了视觉-语言理解能力。它可以生成详细的图像描述、根据草稿创建网站、创作受图像启发的故事情节，并解决视觉问题，展现了先进的多模态能力。MiniGPT-4 是一个人工智能模型，通过将冻结的视觉编码器与大型语言模型对齐，增强了视觉-语言理解能力。它可以生成详细的图像描述、根据草稿创建网站、创作受图像启发的故事情节，并解决视觉问题，展现了先进的多模态能力。

LLaVA

AI 模型

大型多模态模型，它将视觉编码器与语言模型相结合，用于通用的视觉和语言理解。它在多模态聊天能力方面表现出色，模仿 GPT-4，并通过视觉指令调优在 Science QA 等基准测试中取得了最先进的准确率。LLaVA 是一个大型多模态模型，它将视觉编码器与语言模型相结合，用于通用的视觉和语言理解。它在多模态聊天能力方面表现出色，模仿 GPT-4，并通过视觉指令调优在 Science QA 等基准测试中取得了最先进的准确率。

Mamba SSM 架构

AI GitHub 仓库

新颖的状态空间模型架构，专为高效序列建模而设计，在语言等信息密集型数据上尤其有效。它提供了硬件感知的实现，旨在超越先前亚二次方模型并与 Transformer 竞争。Mamba 是一种新颖的状态空间模型架构，专为高效序列建模而设计，在语言等信息密集型数据上尤其有效。它提供了硬件感知的实现，旨在超越先前亚二次方模型并与 Transformer 竞争。

RWKV 语言模型

AI 模型

强大的语言模型，提供高效的推理和灵活的微调能力。它支持各种应用，包括桌面 GUI、基于 Web 的推理和移动应用，使先进的 AI 能够跨多个平台和设备用于各种任务。RWKV 是一个强大的语言模型，提供高效的推理和灵活的微调能力。它支持各种应用，包括桌面 GUI、基于 Web 的推理和移动应用，使先进的 AI 能够跨多个平台和设备用于各种任务。

OpenELM 语言模型

AI 模型

来自 Apple Machine Learning Research 的最先进的开放语言模型系列。它采用逐层缩放策略以提高准确性，并提供了一个完整的框架，用于在包括日志和检查点在内的公共数据集上进行训练和评估。该发布还包括在 Apple 设备上集成 MLX 的代码。OpenELM 是来自 Apple Machine Learning Research 的最先进的开放语言模型系列。它采用逐层缩放策略以提高准确性，并提供了一个完整的框架，用于在包括日志和检查点在内的公共数据集上进行训练和评估。该发布还包括在 Apple 设备上集成 MLX 的代码。

N-BEATS

AI GitHub 仓库

基于神经网络的单变量时间序列预测模型。由 ServiceNow Research 开发，它实现了 N-BEATS 算法以获得可复现的实验结果。该存储库提供了 PyTorch 实现、数据集加载器和用于高级时间序列分析的实验配置。N-BEATS 是一个基于神经网络的单变量时间序列预测模型。由 ServiceNow Research 开发，它实现了 N-BEATS 算法以获得可复现的实验结果。该存储库提供了 PyTorch 实现、数据集加载器和用于高级时间序列分析的实验配置。

DBRX LLM

AI 模型

Databricks 推出的最先进的开源大型语言模型 (LLM)，在语言、编程和数学基准测试中表现出色。它提供了更高的效率和质量，超越了 GPT-3.5，并与 Gemini 1.0 Pro 竞争，使企业和开源社区能够获得先进的 LLM 功能。DBRX 是 Databricks 推出的最先进的开源大型语言模型 (LLM)，在语言、编程和数学基准测试中表现出色。它提供了更高的效率和质量，超越了 GPT-3.5，并与 Gemini 1.0 Pro 竞争，使企业和开源社区能够获得先进的 LLM 功能。

该人工智能模型提供了一个通用的图像到图像翻译解决方案。它能够学习图像映射和适当的损失函数，从而实现多样化的应用，例如根据标签合成照片、从边缘重建对象以及为图像着色。该框架具有可适应性，并已在各种流行的深度学习库中实现。

DM-GAN

AI GitHub 仓库

用于文本到图像合成的动态记忆生成对抗网络的 PyTorch 实现。该存储库提供了基于 CVPR2019 论文的代码、预训练模型和评估脚本，用于从文本描述生成图像。DM-GAN 是用于文本到图像合成的动态记忆生成对抗网络的 PyTorch 实现。该存储库提供了基于 CVPR2019 论文的代码、预训练模型和评估脚本，用于从文本描述生成图像。

Google Research 开发的一款文本到图像扩散模型，它能生成具有深刻语言理解能力的逼真图像。Imagen 在图像-文本对齐和样本保真度方面表现出色，在人类评估中优于其他模型，并在 COCO 等基准测试中取得了最先进的 FID 分数。Imagen 是 Google Research 开发的一款文本到图像扩散模型，它能生成具有深刻语言理解能力的逼真图像。Imagen 在图像-文本对齐和样本保真度方面表现出色，在人类评估中优于其他模型，并在 COCO 等基准测试中取得了最先进的 FID 分数。

OpenLLaMA

AI GitHub 仓库

Meta AI 的 LLaMA 7B 模型的一个允许自由许可的开源复现版本。它在 RedPajama 数据集上进行训练，提供 3B、7B 和 13B 参数版本，并提供 PyTorch 和 JAX 权重，可无缝集成到现有的 LLaMA 实现中。OpenLLaMA 是 Meta AI 的 LLaMA 7B 模型的一个允许自由许可的开源复现版本。它在 RedPajama 数据集上进行训练，提供 3B、7B 和 13B 参数版本，并提供 PyTorch 和 JAX 权重，可无缝集成到现有的 LLaMA 实现中。

UNITER

AI GitHub 仓库

ECCV 2020 论文“UNITER: UNiversal Image-TExt Representation Learning”的研究代码库。它提供了用于各种视觉-语言任务（包括 VQA、VCR 和图像-文本检索）的微调和推理代码。UNITER-base 和 UNITER-large 的预训练检查点均可用。UNITER 是 ECCV 2020 论文“UNITER: UNiversal Image-TExt Representation Learning”的研究代码库。它提供了用于各种视觉-语言任务（包括 VQA、VCR 和图像-文本检索）的微调和推理代码。UNITER-base 和 UNITER-large 的预训练检查点均可用。

探索由 DiffWave 提供支持的音频合成演示，DiffWave 是一款多功能扩散模型。此资源展示了神经声码、类别条件生成、无条件波形创建和语音去噪能力。它提供了音频样本，并深入介绍了模型在各种数据集和条件下的性能，突出了其灵活性。

端到端的文本到语音模型，可提高语音质量和训练速度。它直接整合了音高和能量等语音变化信息，通过消除教师蒸馏并实现更快、更高质量的语音合成，从而改进了先前非自回归模型。FastSpeech 2 是一个端到端的文本到语音模型，可提高语音质量和训练速度。它直接整合了音高和能量等语音变化信息，通过消除教师蒸馏并实现更快、更高质量的语音合成，从而改进了先前非自回归模型。

高效、高保真的生成对抗网络，用于语音合成。它通过建模音频中的周期性模式来提升样本质量，以极快的速度实现接近人声的质量。该模型支持单说话人、未见过的说话人以及端到端合成，并提供适用于 CPU 的轻量级版本。HiFi-GAN 是一种高效、高保真的生成对抗网络，用于语音合成。它通过建模音频中的周期性模式来提升样本质量，以极快的速度实现接近人声的质量。该模型支持单说话人、未见过的说话人以及端到端合成，并提供适用于 CPU 的轻量级版本。

用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。ESPnet 是一个用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。

FNet

AI GitHub 仓库

高效的类 Transformer 编码器架构，它用傅里叶变换取代了自注意力机制。该模型由 Google Research 开发，为自然语言处理任务提供了一种高性能的替代方案。该模型使用 Jax/Flax 实现，并在 GitHub 上提供，可用于预训练和微调。FNet 是一种高效的类 Transformer 编码器架构，它用傅里叶变换取代了自注意力机制。该模型由 Google Research 开发，为自然语言处理任务提供了一种高性能的替代方案。该模型使用 Jax/Flax 实现，并在 GitHub 上提供，可用于预训练和微调。

SpanBERT

AI GitHub 仓库

专注于通过表示和预测文本片段来改进预训练的 AI 模型。它提供预训练的基础版和大型版（区分大小写）模型，与 HuggingFace BERT 格式兼容。该代码库提供了在各种 NLP 任务（包括问答和关系抽取）上使用和评估 SpanBERT 的代码。SpanBERT 是一种专注于通过表示和预测文本片段来改进预训练的 AI 模型。它提供预训练的基础版和大型版（区分大小写）模型，与 HuggingFace BERT 格式兼容。该代码库提供了在各种 NLP 任务（包括问答和关系抽取）上使用和评估 SpanBERT 的代码。

LayoutLM

AI GitHub 仓库

用于视觉丰富文档理解和信息提取的多模态预训练模型。它结合了文本、布局和图像信息，在表单和收据理解等任务上取得了最先进的成果。该模型有多种尺寸和版本，包括多语言支持。LayoutLM 是一个用于视觉丰富文档理解和信息提取的多模态预训练模型。它结合了文本、布局和图像信息，在表单和收据理解等任务上取得了最先进的成果。该模型有多种尺寸和版本，包括多语言支持。

MASS

AI GitHub 仓库

用于序列到序列语言生成任务的预训练方法。它会掩盖句子片段，让编码器在解码器中进行预测，从而增强神经机器翻译和文本摘要等任务。该代码库支持基于 Fairseq 的各种应用。MASS 是一种用于序列到序列语言生成任务的预训练方法。它会掩盖句子片段，让编码器在解码器中进行预测，从而增强神经机器翻译和文本摘要等任务。该代码库支持基于 Fairseq 的各种应用。

ProphetNet

AI GitHub 仓库

MSRA NLC 团队的一项研究项目，专注于自然语言生成。它提供了预训练模型的官方实现，包括面向未来信息、联合生成器-排序器学习以及基于扩散的文本生成模型。该项目托管在 GitHub 上。ProphetNet 是 MSRA NLC 团队的一项研究项目，专注于自然语言生成。它提供了预训练模型的官方实现，包括面向未来信息、联合生成器-排序器学习以及基于扩散的文本生成模型。该项目托管在 GitHub 上。

DeBERTa - 微软研究院

AI 模型

微软研究院开发的大规模预训练语言模型。其性能超越 T5 11B 模型，并在 SuperGLUE 基准测试中取得了接近人类水平的结果。该先进模型为自然语言理解任务提供了强大的能力。DeBERTa 是微软研究院开发的大规模预训练语言模型。其性能超越 T5 11B 模型，并在 SuperGLUE 基准测试中取得了接近人类水平的结果。该先进模型为自然语言理解任务提供了强大的能力。

Funnel-Transformer

AI GitHub 仓库

AI 模型，它压缩隐藏状态以降低计算成本。它允许在相同的 FLOPs 下构建更深或更宽的模型，并能恢复标准预训练的 token 级表示。该模型提供 TensorFlow 和 PyTorch 实现。Funnel-Transformer 是一种 AI 模型，它压缩隐藏状态以降低计算成本。它允许在相同的 FLOPs 下构建更深或更宽的模型，并能恢复标准预训练的 token 级表示。该模型提供 TensorFlow 和 PyTorch 实现。

ConvBERT

AI GitHub 仓库

开源的 AI 模型，用于预训练语言模型，引入了具有基于跨度的动态卷积的新型架构。此 GitHub 存储库提供了预训练和微调 ConvBERT 模型的代码，已在 V100 GPU 上进行了测试，并包含使用 TensorFlow 的说明。ConvBERT 是一个开源的 AI 模型，用于预训练语言模型，引入了具有基于跨度的动态卷积的新型架构。此 GitHub 存储库提供了预训练和微调 ConvBERT 模型的代码，已在 V100 GPU 上进行了测试，并包含使用 TensorFlow 的说明。

MPNet

AI GitHub 仓库

新颖的语言理解预训练方法，在 BERT 和 XLNet 的基础上进行了改进。它为各种预训练模型提供了统一的实现，并支持在 GLUE 和 SQuAD 等多样化的语言理解任务上进行预训练和微调的代码。MPNet 是一种新颖的语言理解预训练方法，在 BERT 和 XLNet 的基础上进行了改进。它为各种预训练模型提供了统一的实现，并支持在 GLUE 和 SQuAD 等多样化的语言理解任务上进行预训练和微调的代码。

node2vec

AI 模型

可扩展的框架，用于学习图中节点的连续特征表示。它通过有偏随机游走来优化邻域保留，从而支持各种机器学习任务。该算法平衡了探索和利用，以获得丰富的节点嵌入。node2vec 是一个可扩展的框架，用于学习图中节点的连续特征表示。它通过有偏随机游走来优化邻域保留，从而支持各种机器学习任务。该算法平衡了探索和利用，以获得丰富的节点嵌入。

SEAL 链接预测

AI GitHub 仓库

新颖的链接预测框架，它将问题转化为子图分类任务。它提取 h-hop 包络子图和节点信息矩阵，并将它们输入图神经网络。SEAL 同时从图结构和潜在/显式节点特征中学习，以实现准确的链接预测。SEAL 是一个新颖的链接预测框架，它将问题转化为子图分类任务。它提取 h-hop 包络子图和节点信息矩阵，并将它们输入图神经网络。SEAL 同时从图结构和潜在/显式节点特征中学习，以实现准确的链接预测。

StyleSwin: 基于 Transformer 的 GAN

AI GitHub 仓库

基于 Transformer 的生成对抗网络 (GAN)，专为高分辨率图像生成而设计。它利用 Swin Transformer 和一种新颖的双注意力机制来平衡计算效率和建模能力，在高达 1024x1024 的分辨率下取得了卓越的成果。StyleSwin 是一种基于 Transformer 的生成对抗网络 (GAN)，专为高分辨率图像生成而设计。它利用 Swin Transformer 和一种新颖的双注意力机制来平衡计算效率和建模能力，在高达 1024x1024 的分辨率下取得了卓越的成果。

利用潜在扩散模型进行文本到音频生成的框架。它将各种模态转换为统一的“音频语言”（LOA），用于生成语音、音乐和音效。这种方法支持上下文学习，并利用自监督预训练模型进行多功能音频创作。AudioLDM 是一个利用潜在扩散模型进行文本到音频生成的框架。它将各种模态转换为统一的“音频语言”（LOA），用于生成语音、音乐和音效。这种方法支持上下文学习，并利用自监督预训练模型进行多功能音频创作。

文本到音频生成系统，采用提示增强的扩散模型。它通过伪提示增强和频谱图自编码器来解决数据稀缺和音频复杂性的问题。该系统取得了最先进的成果，并提供了从各种输入生成高清、高保真音频的可控性。Make-An-Audio 是一个文本到音频生成系统，采用提示增强的扩散模型。它通过伪提示增强和频谱图自编码器来解决数据稀缺和音频复杂性的问题。该系统取得了最先进的成果，并提供了从各种输入生成高清、高保真音频的可控性。

Voicebox

AI GitHub 仓库

开源的 AI 语音工作室，允许用户克隆、听写和创建语音项目。它提供了一个语音合成和处理的平台，非常适合开发人员和音频工程师。Voicebox 是一个开源的 AI 语音工作室，允许用户克隆、听写和创建语音项目。它提供了一个语音合成和处理的平台，非常适合开发人员和音频工程师。

Decision Transformer

AI 模型

将强化学习重构为序列建模问题，利用 GPT-x 和 BERT 等 Transformer 架构。它通过对期望回报、过去状态和动作进行条件化来生成最优动作，在 Atari、OpenAI Gym 和 Key-to-Door 任务上达到了最先进的性能。Decision Transformer 将强化学习重构为序列建模问题，利用 GPT-x 和 BERT 等 Transformer 架构。它通过对期望回报、过去状态和动作进行条件化来生成最优动作，在 Atari、OpenAI Gym 和 Key-to-Door 任务上达到了最先进的性能。

SciBERT

AI 应用

艾伦人工智能研究所（AI2）是一个非营利性研究机构，致力于开展高影响力的人工智能研究和工程。他们专注于为共同利益推进人工智能，开发基础模型，并创建赋能研究人员和开发人员的工具。他们的工作涵盖了各种人工智能领域，旨在使人工智能更易于访问和更有益。

用于表格数据的深度学习模型

AI GitHub 仓库

此 GitHub 存储库提供了 NeurIPS 2021 论文“重新审视表格数据的深度学习模型”的官方实现。它探讨了用于表格数据的深度学习架构，强调了 MLP 类模型作为强大的基线，并引入了 FT-Transformer 作为 Transformer 架构的强大改编。

SPP_net

AI GitHub 仓库

用于深度卷积网络的空间金字塔池化算法的重新实现，应用于视觉识别领域。它旨在复现一篇 2014 年 ECCV 论文中的目标检测结果，并利用 Caffe 框架方便代码发布。该项目提供了用于训练和微调模型的代码。SPP_net 是用于深度卷积网络的空间金字塔池化算法的重新实现，应用于视觉识别领域。它旨在复现一篇 2014 年 ECCV 论文中的目标检测结果，并利用 Caffe 框架方便代码发布。该项目提供了用于训练和微调模型的代码。

ShuffleNet 系列

AI GitHub 仓库

ShuffleNet 系列存储库提供了一系列高效的卷积神经网络模型，专为移动设备和资源受限环境设计。它包含 ShuffleNetV1、ShuffleNetV2 和专用变体等多个版本，以及神经架构搜索和目标检测骨干网络的工具。

ConvMixer

AI GitHub 仓库

该存储库提供了 ConvMixer 的实现，这是一种用于图像识别任务的卷积神经网络架构。它基于论文 "Patches Are All You Need? 🤷"，并提供预训练模型权重用于评估以及在 ImageNet-1k 和 CIFAR-10 等数据集上进行训练的代码。

RepVGG

AI GitHub 仓库

强大而简单的卷积神经网络 (ConvNet) 架构，可在 ImageNet 上实现高精度。它采用了 VGG 风格的设计并结合了重参数化技术，从而实现了高效的推理。该项目提供了预训练模型、训练代码以及用于各种计算机视觉任务的示例。RepVGG 是一种强大而简单的卷积神经网络 (ConvNet) 架构，可在 ImageNet 上实现高精度。它采用了 VGG 风格的设计并结合了重参数化技术，从而实现了高效的推理。该项目提供了预训练模型、训练代码以及用于各种计算机视觉任务的示例。

MobileOne

AI 模型

高效的神经网络骨干网，专为移动设备设计。它针对推理速度进行了优化，在 iPhone12 上实现了低于 1 毫秒的推理时间，同时保持了高精度。该模型在图像分类、目标检测和语义分割任务上表现通用，在延迟和准确性方面均有显著提升。MobileOne 是一种高效的神经网络骨干网，专为移动设备设计。它针对推理速度进行了优化，在 iPhone12 上实现了低于 1 毫秒的推理时间，同时保持了高精度。该模型在图像分类、目标检测和语义分割任务上表现通用，在延迟和准确性方面均有显著提升。

Vision GNN (ViG)

AI GitHub 仓库

华为诺亚方舟实验室开发的 Vision Graph Neural Networks 的 PyTorch 实现。它为图像处理任务提供了高效的 AI 主干网络，包括 ViG 和 Pyramid ViG 架构的预训练模型和训练脚本。Vision GNN (ViG) 是华为诺亚方舟实验室开发的 Vision Graph Neural Networks 的 PyTorch 实现。它为图像处理任务提供了高效的 AI 主干网络，包括 ViG 和 Pyramid ViG 架构的预训练模型和训练脚本。

可变形卷积网络

AI GitHub 仓库

通过自适应地学习卷积核的采样偏移量来增强深度学习模型。这使得网络能够更好地捕捉几何变换和物体形变，从而提高目标检测和语义分割等任务的性能。该项目提供了实现和预训练模型。可变形卷积网络 (DCN) 通过自适应地学习卷积核的采样偏移量来增强深度学习模型。这使得网络能够更好地捕捉几何变换和物体形变，从而提高目标检测和语义分割等任务的性能。该项目提供了实现和预训练模型。

RETRO 语言模型

AI 模型

RETRO（检索增强 Transformer）是一个将检索能力增强到 Transformer 架构中的 AI 模型。它能够访问包含网页、书籍、新闻和代码等海量文本的数据库，以提高语言生成的准确性和事实一致性。这种方法比标准 Transformer 提供了显著的性能提升。

LS-GAN

AI 模型

LS-GAN，即损失敏感生成对抗网络，是一个专注于推进GAN的项目。它引入了一种新颖的损失函数方法，旨在提高生成质量和稳定性。该项目提供了用于实现和试验LS-GAN及其变体的源代码。

SNGAN Projection

AI GitHub 仓库

该 GitHub 存储库提供了条件图像生成的官方 Chainer 实现。它利用谱归一化和投影判别器来实现生成对抗网络 (GAN)。该项目包括在 ImageNet、狗和猫图像等数据集上进行训练、评估和生成图像的代码。

PyTorch MADE

AI GitHub 仓库

该存储库提供了 MADE（掩码自编码器密度估计）的 PyTorch 实现。它通过掩码多层感知机 (MLP) 中的连接，将自编码器转变为自回归密度模型。该代码支持高效的似然评估和采样，并提供了二值化 MNIST 的示例。

StyleGAN-XL

AI GitHub 仓库

用于从大型、多样化数据集中生成高分辨率图像的 AI 模型。它扩展了 StyleGAN 架构，以提高图像合成质量和多样性。该项目提供了用于训练、生成样本以及执行图像反演和编辑的代码。StyleGAN-XL 是一个用于从大型、多样化数据集中生成高分辨率图像的 AI 模型。它扩展了 StyleGAN 架构，以提高图像合成质量和多样性。该项目提供了用于训练、生成样本以及执行图像反演和编辑的代码。

StyleGAN3 是一种生成对抗网络，通过彻底改革信号处理来消除“纹理粘连”。它实现了平移和旋转的等变性，从而能够更连贯地合成视频和动画。该模型为动态视觉内容提供了改进的细节一致性。

用于高效非自回归音频生成的 AI 模型。它能以比以往方法快两个数量级的速度生成高质量音频，同时保持语音和声学条件的一致性。它能够合成自然的对话片段，并可控制语音内容、说话人声音和说话人轮次。SoundStorm 是一款用于高效非自回归音频生成的 AI 模型。它能以比以往方法快两个数量级的速度生成高质量音频，同时保持语音和声学条件的一致性。它能够合成自然的对话片段，并可控制语音内容、说话人声音和说话人轮次。

DimeNet 和 DimeNet++

AI GitHub 仓库

用于分子图的高级神经网络模型，专注于定向消息传递。这些模型分别在 ICLR 2020 和 NeurIPS-W 2020 上提出，能够高效准确地预测分子性质，其中 DimeNet++ 比其前身速度更快、精度更高。DimeNet 和 DimeNet++ 是用于分子图的高级神经网络模型，专注于定向消息传递。这些模型分别在 ICLR 2020 和 NeurIPS-W 2020 上提出，能够高效准确地预测分子性质，其中 DimeNet++ 比其前身速度更快、精度更高。

GluonTS

AI 框架

用于概率时间序列建模的 Python 包，利用基于 PyTorch 和 MXNet 的深度学习模型。它通过生成概率分布形式的预测（包括预测区间）来实现准确的预测，适用于复杂的时间序列分析。GluonTS 是一个用于概率时间序列建模的 Python 包，利用基于 PyTorch 和 MXNet 的深度学习模型。它通过生成概率分布形式的预测（包括预测区间）来实现准确的预测，适用于复杂的时间序列分析。

LSTNet

AI GitHub 仓库

深度学习模型，专为时间序列预测而设计。它通过结合循环神经网络和卷积神经网络，有效地建模长期和短期时间模式。该模型对于复杂的时间序列数据特别有用。LSTNet 是一款深度学习模型，专为时间序列预测而设计。它通过结合循环神经网络和卷积神经网络，有效地建模长期和短期时间模式。该模型对于复杂的时间序列数据特别有用。

Autoformer

AI GitHub 仓库

用于长期时间序列预测的 AI 模型，它利用分解 Transformer 和自相关机制。该模型在各种基准测试中取得了最先进的结果，为提高实际应用中的预测准确性提供了一种新颖的系列连接方法。Autoformer 是一款用于长期时间序列预测的 AI 模型，它利用分解 Transformer 和自相关机制。该模型在各种基准测试中取得了最先进的结果，为提高实际应用中的预测准确性提供了一种新颖的系列连接方法。

Informer2020

AI GitHub 仓库

Informer2020 GitHub 存储库提供了 Informer 模型的 PyTorch 实现，该模型专为高效长序列时间序列预测而设计。它采用 ProbSparse Attention 来处理自注意力得分中的长尾分布，为复杂的预测任务提供了先进的解决方案。

FEDformer

AI GitHub 仓库

频率增强分解 Transformer，专为高效的长期时间序列预测而设计。它实现了与序列长度成线性复杂度的计算，通过显著降低多变量和单变量数据集上的预测误差，性能优于最先进的方法。该模型提供开源代码。FEDformer 是一种频率增强分解 Transformer，专为高效的长期时间序列预测而设计。它实现了与序列长度成线性复杂度的计算，通过显著降低多变量和单变量数据集上的预测误差，性能优于最先进的方法。该模型提供开源代码。

PatchTST

AI 模型

基于 Transformer 的长时序预测模型的官方实现。它将时间序列分割成块（patches）并独立处理，提供高效且有效的预测。该项目提供了监督学习和自监督学习方法的代码，实现了强大的预测能力。PatchTST 是一个基于 Transformer 的长时序预测模型的官方实现。它将时间序列分割成块（patches）并独立处理，提供高效且有效的预测。该项目提供了监督学习和自监督学习方法的代码，实现了强大的预测能力。

LTSF-Linear

AI GitHub 仓库

"Are Transformers Effective for Time Series Forecasting?" 的官方 PyTorch 实现。它引入了一系列线性模型（Linear, DLinear, NLinear），在长期时间序列预测任务上表现优于 Transformer，同时具有高效率和可解释性。LTSF-Linear 是 "Are Transformers Effective for Time Series Forecasting?" 的官方 PyTorch 实现。它引入了一系列线性模型（Linear, DLinear, NLinear），在长期时间序列预测任务上表现优于 Transformer，同时具有高效率和可解释性。

TimesNet

AI 模型

通用的时间序列分析基础模型，它将一维序列转换为二维空间以增强建模能力。通过利用视觉骨干网络进行强大的表示学习，在预测、插补、异常检测和分类任务中取得了最先进的成果，能够处理多样化的时间模式。TimesNet 是一个通用的时间序列分析基础模型，它将一维序列转换为二维空间以增强建模能力。通过利用视觉骨干网络进行强大的表示学习，在预测、插补、异常检测和分类任务中取得了最先进的成果，能够处理多样化的时间模式。

maml_rl

AI GitHub 仓库

该存储库提供了“模型无关的元学习用于深度网络的快速适应”论文中详细的强化学习实验代码。它使研究人员和开发人员能够探索元学习技术，以在强化学习的深度神经网络中实现快速适应。

原型网络

AI GitHub 仓库

此存储库包含 NeurIPS 2017 论文“用于少样本学习的原型网络”的代码。它提供了一种新颖的少样本学习方法的实现，使模型能够从少量示例中学习。

LearningToCompare_FSL

AI GitHub 仓库

该存储库提供了CVPR 2018论文《Learning to Compare: Relation Network for Few-Shot Learning》的PyTorch代码。它侧重于少样本学习（Few-Shot Learning）方面，提供了在Omniglot和mini-Imagenet等数据集上训练和测试模型的实现。

Model-Based Policy Optimization

AI GitHub 仓库

此 GitHub 仓库包含“何时信任您的模型：基于模型的策略优化”论文的代码。它提供了基于模型的策略优化算法的实现，使研究人员和开发人员能够重现实验并在此基础上进行强化学习的研究。

Handful of Trials

AI GitHub 仓库

该代码仓库包含论文“Deep Reinforcement Learning in a Handful of Trials using Probabilistic Dynamics Models”的实验代码。它实现了 PETS 算法，将具备不确定性感知的深度网络动力学模型与基于采样的不确定性传播相结合，在强化学习任务中实现高效的样本学习。

AlphaStar

AI 模型

在复杂实时战略游戏《星际争霸 II》中达到宗师级的 AI 模型。它利用多智能体强化学习和模仿学习，在模拟人类限制的条件下进行游戏，不设游戏限制，展示了在动态环境中先进的 AI 能力。AlphaStar 是一个在复杂实时战略游戏《星际争霸 II》中达到宗师级的 AI 模型。它利用多智能体强化学习和模仿学习，在模拟人类限制的条件下进行游戏，不设游戏限制，展示了在动态环境中先进的 AI 能力。

关系图卷积网络

AI GitHub 仓库

该项目提供了关系图卷积网络 (R-GCNs) 的 Keras 实现。它专为有向关系图上的半监督节点分类而设计。该代码有助于复现论文“使用图卷积网络对关系数据进行建模”中的实体分类结果。

CompGCN

AI GitHub 仓库

基于组合的多关系图卷积网络的 PyTorch 实现。它能够实现先进的图表示学习，用于知识图谱链接预测等任务，提供灵活的组合操作和与各种评分函数的兼容性。CompGCN 是一个基于组合的多关系图卷积网络的 PyTorch 实现。它能够实现先进的图表示学习，用于知识图谱链接预测等任务，提供灵活的组合操作和与各种评分函数的兼容性。

PPNP & APPNP 模型

AI GitHub 仓库

此 GitHub 存储库提供了 PPNP 和 APPNP 模型的 TensorFlow 和 PyTorch 实现，这些模型在论文“Predict then Propagate: Graph Neural Networks meet Personalized PageRank”中提出。它包含了用于复现结果的代码以及易于集成到基于图的机器学习项目中的示例。

简化图卷积网络

AI GitHub 仓库

此存储库提供了“简化图卷积网络”论文的官方实现。它提供了一个简化的图卷积网络 (GCN) 模型，该模型消除了非线性并折叠了权重矩阵，从而得到了一个线性模型，该模型在显著缩短的训练时间内实现了具有竞争力的性能。

Graph Neural PDEs

AI GitHub 仓库

开源项目，提供用于图神经网络 (GNN) 的 Python 代码，该项目将图学习视为一个连续的扩散过程。它实现了 GRAND 和 BLEND 模型，提供了新颖的方法来解决常见的图学习挑战，如过平滑和深度限制。Graph Neural PDEs 是一个开源项目，提供用于图神经网络 (GNN) 的 Python 代码，该项目将图学习视为一个连续的扩散过程。它实现了 GRAND 和 BLEND 模型，提供了新颖的方法来解决常见的图学习挑战，如过平滑和深度限制。

这篇博文介绍了一种基于现代 Hopfield 网络的新型 PyTorch Hopfield 层。它将经典 Hopfield 网络推广到连续状态和模式，提供指数级存储容量和快速收敛。更新规则被证明等同于 Transformer 自注意力机制，从而能够构建新的深度学习架构。

Temporal Graph Networks

AI GitHub 仓库

提供了一个通用的、高效的动态图深度学习框架。这个基于 Python 的库利用新颖的内存模块和基于图的运算符，在计算效率和演进图结构上的预测准确性方面优于现有方法。Temporal Graph Networks (TGNs) 提供了一个通用的、高效的动态图深度学习框架。这个基于 Python 的库利用新颖的内存模块和基于图的运算符，在计算效率和演进图结构上的预测准确性方面优于现有方法。

xDeepFM

AI GitHub 仓库

开源深度学习工具包，用于因子分解模型，特别发布了 eXtreme Deep Factorization Machine (xDeepFM) 模型的源代码。它旨在为深度推荐系统和基于因子分解的机器学习任务提供基础。xDeepFM 是一个开源深度学习工具包，用于因子分解模型，特别发布了 eXtreme Deep Factorization Machine (xDeepFM) 模型的源代码。它旨在为深度推荐系统和基于因子分解的机器学习任务提供基础。

Attentional Factorization Machine

AI GitHub 仓库

此 GitHub 存储库提供了 Attentional Factorization Machine (AFM) 模型的 TensorFlow 实现。它允许用户为推荐系统等任务训练和评估 AFM，通过注意力网络学习特征交互的权重。该项目包括代码、数据示例以及快速设置和性能比较的说明。

LightGCN

AI GitHub 仓库

简化的图卷积网络，专为推荐系统设计。它专注于协同过滤的核心邻域聚合组件，提供了一种从交互数据中学习用户和物品表示的高效方法。LightGCN 是一种简化的图卷积网络，专为推荐系统设计。它专注于协同过滤的核心邻域聚合组件，提供了一种从交互数据中学习用户和物品表示的高效方法。

Neural Graph Collaborative Filtering

AI GitHub 仓库

利用图神经网络的推荐框架。它通过在用户-物品二部图中进行高阶连通性嵌入传播，显式地编码协同信号。此实现基于 SIGIR 2019 的论文。Neural Graph Collaborative Filtering (NGCF) 是一个利用图神经网络的推荐框架。它通过在用户-物品二部图中进行高阶连通性嵌入传播，显式地编码协同信号。此实现基于 SIGIR 2019 的论文。

Cohere

AI 平台

Cohere 构建企业 AI 模型和平台，企业可以私下部署，包括本地或隔离的云环境。其 North 平台为企业提供自主 AI，配合生成语言（Command）、语音识别（Transcribe）、翻译、文档解析、语义搜索（Embed）和检索（Rerank）模型，旨在满足注重安全的企业需求。

StarCoder

AI GitHub 仓库

在源代码和自然语言上训练的大型语言模型。它在代码生成、代码补全和文本生成任务方面表现出色。此存储库提供了用于微调和推理的资源，使开发人员能够将其功能集成到各种应用程序中。StarCoder 是一个在源代码和自然语言上训练的大型语言模型。它在代码生成、代码补全和文本生成任务方面表现出色。此存储库提供了用于微调和推理的资源，使开发人员能够将其功能集成到各种应用程序中。

LLaVA

AI GitHub 仓库

视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。LLaVA 是一个视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。

Kandinsky 2

AI GitHub 仓库

多语言文本到图像的潜在扩散模型。它提供高级的图像生成功能，包括文本到图像、图像到图像和图像修复。该模型支持 ControlNet 以增强图像生成控制，并利用强大的编码器来改进对文本和图像的理解，从而产生更具美感的输出。Kandinsky 2 是一个多语言文本到图像的潜在扩散模型。它提供高级的图像生成功能，包括文本到图像、图像到图像和图像修复。该模型支持 ControlNet 以增强图像生成控制，并利用强大的编码器来改进对文本和图像的理解，从而产生更具美感的输出。

Qwen3 大语言模型

AI GitHub 仓库

阿里巴巴达摩院语言科技实验室 Qwen 团队开发的一系列大语言模型。它在指令遵循、推理、文本理解和多语言支持方面提供了增强的功能。模型有多种尺寸和配置可供选择，包括“思考”和“非思考”模式，并支持长上下文理解。Qwen3 是阿里巴巴达摩院语言科技实验室 Qwen 团队开发的一系列大语言模型。它在指令遵循、推理、文本理解和多语言支持方面提供了增强的功能。模型有多种尺寸和配置可供选择，包括“思考”和“非思考”模式，并支持长上下文理解。

V-JEPA

AI GitHub 仓库

用于从视频中进行自监督学习的 PyTorch 实现。它利用联合嵌入预测架构，在没有人类标注或像素级重建的情况下学习视觉表示。该代码和模型专为通用的下游视频和图像任务而设计。V-JEPA 是一个用于从视频中进行自监督学习的 PyTorch 实现。它利用联合嵌入预测架构，在没有人类标注或像素级重建的情况下学习视觉表示。该代码和模型专为通用的下游视频和图像任务而设计。

Anthropic SDK Python

AI GitHub 仓库

Anthropic SDK for Python 为开发者提供了直接访问 Claude API 的能力。这个开源库便于将先进的 AI 功能集成到 Python 应用程序中，从而实现与 Anthropic 的语言模型进行程序化交互，以完成各种自然语言处理任务。

Audiocraft

AI GitHub 仓库

用于深度学习音频生成和处理的 PyTorch 库。它提供了像 MusicGen（用于可控音乐生成）和 AudioGen（用于文本到声音）这样的最先进模型。该库还包含 EnCodec 音频压缩器和用于研究的训练代码。Audiocraft 是一个用于深度学习音频生成和处理的 PyTorch 库。它提供了像 MusicGen（用于可控音乐生成）和 AudioGen（用于文本到声音）这样的最先进模型。该库还包含 EnCodec 音频压缩器和用于研究的训练代码。

StableLM

AI GitHub 仓库

Stability AI 开发的开源语言模型系列。此 GitHub 仓库托管着持续的开发工作，提供了对 StableLM-3B-4E1T 和 StableLM-Alpha v2 等各种检查点的访问。它旨在供研究人员和开发人员探索和构建先进的 AI 语言能力。StableLM 是 Stability AI 开发的开源语言模型系列。此 GitHub 仓库托管着持续的开发工作，提供了对 StableLM-3B-4E1T 和 StableLM-Alpha v2 等各种检查点的访问。它旨在供研究人员和开发人员探索和构建先进的 AI 语言能力。

StyleCLIP

AI GitHub 仓库

StyleGAN 图像文本驱动操作的官方实现。它利用 StyleGAN 的生成能力和 CLIP 的视觉语言理解能力，通过文本提示实现直观的图像编辑。该项目提供了三种方法：潜在向量优化、潜在映射器和全局 StyleSpace 方向。StyleCLIP 是 StyleGAN 图像文本驱动操作的官方实现。它利用 StyleGAN 的生成能力和 CLIP 的视觉语言理解能力，通过文本提示实现直观的图像编辑。该项目提供了三种方法：潜在向量优化、潜在映射器和全局 StyleSpace 方向。

MiniGPT-4 & MiniGPT-v2

AI GitHub 仓库

MiniGPT-4 和 MiniGPT-v2 的开源代码，先进的大型语言模型，增强视觉-语言理解能力。这些模型支持视觉-语言任务的多任务学习，提供图像理解和生成能力。它们基于 Llama 2 和 Vicuna 模型构建，为研究人员和开发人员提供了强大的工具。

AUI Apollo-1

AI 模型

AUI 的 Apollo-1 是一个面向任务型对话的神经符号基础模型。它通过代码而非权重进行推理，使公司能够构建在遵循业务规则的同时与用户进行对话的智能体。Apollo-1 提供可追溯的决策制定、工具激活、基于规则的可控性以及基于事实的响应，以实现可预测的 AI。

文本生成器 API

AI 应用

Text Generator 提供了一个统一的 API，支持高级的文本、视觉和语音 AI 功能。它专注于高质量的输出、以隐私为先的基础设施和可预测的成本，使团队能够构建更高性能的 AI 体验，并通过预构建的工作流和快速推理更快地转化用户。

DeepSeek-OCR

AI GitHub 仓库

专注于上下文光学压缩的GitHub项目。它允许开发者参与其开发，增强其在光学字符识别和数据压缩方面的能力。DeepSeek-OCR是一个专注于上下文光学压缩的GitHub项目。它允许开发者参与其开发，增强其在光学字符识别和数据压缩方面的能力。

Kie.ai上的Nano Banana Pro API

AI 应用

Kie.ai上为Google的Nano Banana Pro（Gemini 3.0 Pro图像）提供的高性价比API，允许开发者通过简单的集成生成和编辑高保真图像，支持1K、2K和4K分辨率。

OfoxAI

AI 应用

提供一个统一的 API 网关，访问超过 100 个 AI 模型，包括 GPT、Claude 和 Gemini。它与现有系统无缝集成，使开发者能够使用单一 API 密钥和按需付费定价来利用各种 AI 模型。OfoxAI 提供一个统一的 API 网关，访问超过 100 个 AI 模型，包括 GPT、Claude 和 Gemini。它与现有系统无缝集成，使开发者能够使用单一 API 密钥和按需付费定价来利用各种 AI 模型。

开源 AI 模型，可以将单张肖像照片和脚本或音频转换为同步口型的对话视频，生成对齐的音频和视频，且只需一次处理即可完成。可以在线免费试用或自托管。daVinci-MagiHuman 是一个开源 AI 模型，可以将单张肖像照片和脚本或音频转换为同步口型的对话视频，生成对齐的音频和视频，且只需一次处理即可完成。可以在线免费试用或自托管。

Miso One

AI 应用

信息、演示和访问网站，提供 Miso TTS 8B，这是来自 Miso Labs 的开放权重、仅支持英语的文本转语音模型，旨在用于富有表现力的对话语音和低延迟语音代理研究。Miso One 是一个信息、演示和访问网站，提供 Miso TTS 8B，这是来自 Miso Labs 的开放权重、仅支持英语的文本转语音模型，旨在用于富有表现力的对话语音和低延迟语音代理研究。

DeepSeek 在线

AI 应用

一个免费的在线演示，展示开源的 DeepSeek V3 模型（6710 亿参数），可在您的浏览器中运行，无需注册，并提供本地运行模型的链接，适用于个人和商业使用。

SJolt

AI 应用

统一的 API 平台，使产品团队、开发者和创作者能够无缝探索、比较和利用各种图像、视频和音频生成模型。它通过一个单一的 API 简化了从测试到生产的过渡。SJolt 是一个统一的 API 平台，使产品团队、开发者和创作者能够无缝探索、比较和利用各种图像、视频和音频生成模型。它通过一个单一的 API 简化了从测试到生产的过渡。

APIMODELS

AI 平台

多模型AI API平台，聚合了超过110个模型，包括Claude和GPT，提供的价格比官方API低至95%。它提供一个单一的API密钥和端点，便于访问和集成。APIMODELS是一个多模型AI API平台，聚合了超过110个模型，包括Claude和GPT，提供的价格比官方API低至95%。它提供一个单一的API密钥和端点，便于访问和集成。

腾讯混元大模型

AI 应用

先进的人工智能模型，旨在用于多种应用，包括语言翻译和视觉理解。它提供了增强的性能和效率，支持多种语言和平台，实现无缝集成。腾讯混元大模型是一款先进的人工智能模型，旨在用于多种应用，包括语言翻译和视觉理解。它提供了增强的性能和效率，支持多种语言和平台，实现无缝集成。

Flux 3 — 多模态人工智能

AI 应用

Black Forest Labs 的 Flux 3 是一个多模态基础模型，能够从图像、视频和音频中学习。它使创作者能够在不同媒体类型之间无缝生成内容，增强视觉智能和创意工作流程。

提供统一的 API，访问超过 80 个 AI 模型，与直接提供商的费用相比，节省高达 90%。用户仅需为成功调用付费，信用额度没有到期限制，并且注册时可获得免费信用额度。you.bot 提供统一的 API，访问超过 80 个 AI 模型，与直接提供商的费用相比，节省高达 90%。用户仅需为成功调用付费，信用额度没有到期限制，并且注册时可获得免费信用额度。

Emix.ai

AI 应用

提供统一的 API，以访问领先的 AI 模型，如 GPT、Gemini 和 Kling。它提供免费的 API 额度、透明的定价，并且对失败的生成不收费，使其成为开发者高效集成 AI 能力的理想解决方案。Emix.ai 提供统一的 API，以访问领先的 AI 模型，如 GPT、Gemini 和 Kling。它提供免费的 API 额度、透明的定价，并且对失败的生成不收费，使其成为开发者高效集成 AI 能力的理想解决方案。

Cat-MaineCoon

AI 模型

针对社交互动应用优化的实时音视频生成模型。它拥有 220 亿个参数，支持流式生成和亚秒级交互，非常适合创建引人入胜的社交媒体内容。Cat-MaineCoon 是一个针对社交互动应用优化的实时音视频生成模型。它拥有 220 亿个参数，支持流式生成和亚秒级交互，非常适合创建引人入胜的社交媒体内容。

flatkey

AI 应用

AI API 网关，通过单一密钥整合对超过 100 个 AI 模型和 1,000 个工具的访问。它简化了计费和使用跟踪，同时为各种应用提供灵活的定价选项。flatkey 是一个 AI API 网关，通过单一密钥整合对超过 100 个 AI 模型和 1,000 个工具的访问。它简化了计费和使用跟踪，同时为各种应用提供灵活的定价选项。

MiniMax

AI 应用

全球领先的人工智能技术公司，致力于与每个人共同创造智能。它开发了一系列多模态AI模型，并提供一系列AI原生产品，服务于全球超过2亿用户。MiniMax是一家全球领先的人工智能技术公司，致力于与每个人共同创造智能。它开发了一系列多模态AI模型，并提供一系列AI原生产品，服务于全球超过2亿用户。

MiMo

AI 平台

小米推出的人工智能平台，促进用户与智能本质之间的对话。它旨在将复杂信息压缩为易于理解的语言和行动，激发日常生活中的创造力和理解力。MiMo是小米推出的人工智能平台，促进用户与智能本质之间的对话。它旨在将复杂信息压缩为易于理解的语言和行动，激发日常生活中的创造力和理解力。

OfoxAI 模型

AI 应用

通过单一 API 提供对超过 100 个 AI 模型的访问，包括 GPT-5.5、Claude Opus 4.8 和 Gemini 3.5 Flash。它提供实时定价，并与各种 AI 编码工具兼容。OfoxAI 通过单一 API 提供对超过 100 个 AI 模型的访问，包括 GPT-5.5、Claude Opus 4.8 和 Gemini 3.5 Flash。它提供实时定价，并与各种 AI 编码工具兼容。

APIMaster

AI 应用

提供一个单一的 API 密钥，以折扣价访问多个 AI 模型，如 GPT、Claude 和 DeepSeek。新用户可获得 50 美元的试用信用，使其成为满足 AI API 需求的经济解决方案。APIMaster 提供一个单一的 API 密钥，以折扣价访问多个 AI 模型，如 GPT、Claude 和 DeepSeek。新用户可获得 50 美元的试用信用，使其成为满足 AI API 需求的经济解决方案。