Keye-VL：快手推出的高性能开源多模态大语言模型，支持复杂多模态推理与长文本处理
Keye-VL是快手Keys团队面向多模态AI领域开源的高性能多模态大语言模型（VLM），全称为Kwai Keye-VL，是快手先进AI技术生态中的核心开源项目。该项目并非单一模型，而是包含...
LongCat-Image：美团的开源双语图像生成模型，兼顾中文文本渲染与高效图像编辑
LongCat-Image是美团LongCat团队开源的一款轻量级双语（中英文）图像生成与编辑基础模型，仅6B参数却具备行业领先的性能表现。该模型不仅能实现高质量文本到图像生成，还支...
Emu3.5：北京智源开源的原生多模态世界模型
Emu3.5是由北京人工智能研究院开源的大规模原生多模态世界模型，其基于单一340亿参数Transformer架构，以“下一状态预测（NSP）”为核心训练目标，在超13万亿多模态Token上...
Flowra：魔搭(ModelScope)开源的AI工作流节点开发与执行工具链
Flowra是阿里云魔搭(ModelScope)生态下FlowBench平台的核心图形执行引擎与节点包开发工具链，基于Python 3.10+构建，专为AI功能封装与工作流编排场景设计。该项目提供了从节...
Z-Image Turbo Controlnet Union：阿里开源多条件控制 ControlNet 模型，低显存高效支持精准图像生成与编辑
Z-Image Turbo Controlnet Union是阿里通义实验室开源的ControlNet扩展模型，基于Z-Image系列单流扩散架构，6B参数实现 photorealistic 渲染，支持Canny、HED、姿态等多模态...
什么是BERT？一文读懂谷歌推出的预训练语言模型
2018年，谷歌推出的BERT（Bidirectional Encoder Representations from Transformers）模型，以双向语境理解能力和大规模无监督预训练为核心，彻底改变了NLP的技术范式。本...
Vidi2：字节跳动开源的多模态视频理解与生成模型
Vidi2是字节跳动智能创作与编辑团队研发的开源大型多模态视频理解与生成模型，作为初代Vidi的迭代升级版本，新增细粒度时空定位（STG）和视频问答（Video QA）核心能力，可...
Frappe Builder：Frappe推出的开源可视化低代码网站快速构建工具
Frappe Builder是一款基于Frappe生态打造的开源低代码可视化网站构建工具，它提供类Figma的直观编辑体验，支持响应式设计、Frappe CMS数据集成、自定义脚本与样式，搭配一键...
如何选择合适的激活函数？不同场景下的最佳实践
激活函数是神经网络中至关重要的组成部分，它通过引入非线性特性使网络能够学习复杂的模式。选择合适的激活函数直接影响模型的收敛速度、泛化能力及最终性能。本文AI铺子将...
AgentEvolver：阿里通义开源的AI智能体自主进化框架，赋能自主任务生成与高效策略优化
AgentEvolver是阿里通义实验室开源的AI智能体自进化系统，通过自我提问、自我导航、自我归因三大核心机制，解决传统强化学习（RL）任务稀缺、探索低效、样本利用率低的痛点...