Qwen-Image-Layered：阿里通义千问开源的AI图像分层编辑模型
Qwen-Image-Layered是阿里巴巴通义千问团队（QwenLM）开源的一款专注于图像分层与精准编辑的AI模型，是当前业内首个实现“原生图层解耦”的开源扩散模型，核心定位是让AI具...
LongCat-Video-Avatar：美团开源的多任务音频驱动动画生成模型
LongCat-Video-Avatar 是美团开源的统一音频驱动角色动画模型，支持音频 - 文本到视频、音频 - 文本 - 图像到视频及视频续播三大核心任务，兼容单流与多流音频输入。该模型...
什么是预训练（Pre-training）？
在人工智能和机器学习领域，预训练（Pre-training）作为一种重要的技术手段，正发挥着日益关键的作用。本文AI铺子将深入探讨预训练的定义、原理、方法、应用场景以及面临的...
Liquid Audio：Liquid AI开源的低延迟语音到语音基础模型，支持实时多模态交互
Liquid Audio是Liquid AI推出的开源端到端语音到语音基础模型项目，核心模型为LFM2-Audio-1.5B。该项目以低延迟为设计理念，基于轻量级LFM2骨干网络，支持实时语音到语音对...
FlashVSR：开源实时视频超分辨率框架，基于扩散模型实现高效高画质视频增强
FlashVSR 是一款开源的基于扩散模型的实时视频超分辨率框架，主打高效性、可扩展性与高保真度，创新性提出三阶段蒸馏管道与局部约束稀疏注意力机制，解决传统扩散模型视频超...
MotionEdit：腾讯 AI 与 UCLA 联合开源的运动感知图像编辑数据集与训练框架
MotionEdit是由腾讯AI（西雅图）与加州大学洛杉矶分校联合开发的开源运动中心图像编辑项目，包含MotionEdit-Bench专用基准数据集与MotionNFT（Motion-guided Negative-awar...
联邦学习（FL）入门指南：从零理解分布式AI训练新模式
本文AI铺子将带你从零开始，逐步揭开联邦学习（Federated Learning,）的神秘面纱，深入理解其基本原理、核心架构、典型类型与实际应用场景，助你快速掌握这一前沿技术的基础...
Wan-Move：阿里通义实验室推出的开源运动可控视频生成框架
Wan-Move是由阿里通义实验室、清华大学、香港大学及香港中文大学等联合开源的运动可控视频生成框架，是人工智能领域顶会NeurIPS 2025的收录研究成果，核心定位是解决传统图...
Kaleido：智谱AI开源的多主体参考视频生成模型
Kaleido是由智谱AI、合肥工业大学、清华大学等机构联合研发的开源多主体参考视频生成模型，该模型支持512P分辨率视频生成，提供完整的训练、推理代码及预训练权重，适配Pyt...
欠拟合是什么意思？造成欠拟合现象的主要原因及解决方法详解
本文围绕欠拟合这一机器学习与深度学习中的关键概念展开详细探讨。首先明确欠拟合的定义，通过直观示例帮助读者理解其本质。接着深入剖析造成欠拟合的主要原因，涵盖模型复...