DeepOCR：开源Deepseek-OCR复现项目，以令牌压缩实现高效多场景OCR
DeepOCR是基于VILA代码库复现Deepseek-OCR的开源项目，核心聚焦于通过视觉-文本令牌压缩技术实现高效OCR任务。其创新的DeepEncoder架构融合SAM（窗口注意力）与CLIP（全局注...
一文详解损失函数的定义、作用与常见类型
在机器学习与深度学习的训练过程中，损失函数（Loss Function）扮演着核心角色。它通过量化模型预测值与真实值之间的差异，为模型优化提供明确方向。本文AI铺子将系统阐述损...
MOSS-Speech：复旦大学开源的端到端语音大模型，无文本引导实现自然语音交互
MOSS-Speech是由复旦大学邱锡鹏教授领衔的OpenMOSS团队（国内知名AI开源团队，曾推出MOSS大模型系列）研发的原生语音到语音（Speech-to-Speech, S2S）开源大模型，旨在打破...
ROCK：阿里巴巴开源的强化学习沙箱环境构建与管理工具
ROCK（Reinforcement Open Construction Kit）是由阿里巴巴淘天未来生活实验室与AI引擎团队联合开发的开源强化学习环境管理框架，基于客户端-服务器架构，提供沙箱环境的构...
DeepSeek推出全球首个开源IMO金牌数学模型，AI推理能力迈向新高度
2025年11月27日晚，人工智能领域迎来里程碑式突破——中国AI公司DeepSeek在Hugging Face平台正式开源全球首个达到国际数学奥林匹克竞赛（IMO）金牌水平的数学推理模型DeepS...
Local Dream：在 Android 端运行 Stable Diffusion 的图像生成工具
Local Dream是一个专注于Android平台的开源AI图像生成项目，核心目标是让用户在移动设备上无需依赖云端算力，即可本地运行Stable Diffusion模型完成各类图像创作。区别于需...
Ruyi：CreateAI推出的开源图像转视频大模型，支持768分辨率与多维度视频控制
Ruyi是Ruyi-Models项目的核心图像到视频（Image-to-Video, i2v）生成模型，由CreateAI团队开发并开源，旨在为用户提供“低门槛、高性能、高自由度”的视频生成解决方案。不...
批量归一化（Batch Normalization）为什么能加速模型训练？
批量归一化（Batch Normalization, BN）作为一种关键技术，通过规范化中间层输入分布，显著提升了训练速度与模型稳定性。本文AI铺子将从技术原理、数学推导、工程实现及实际...
Chart-GPT：开源文本转图表AI工具，秒级生成美观可视化图表
Chart-GPT是一款开源的AI驱动型数据可视化工具，其核心定位是“将文本描述快速转化为高质量图表”，让用户无需掌握复杂的图表制作技能（如Excel、Tableau操作），也无需手动...
PaintsChainer：基于Chainer的开源线稿半自动上色工具，CNN驱动高效色彩填充
PaintsChainer是一款开源的线稿自动上色工具，其核心定位是“基于深度学习的线稿半自动色彩填充解决方案”。该项目由Preferred Networks（日本知名AI企业，简称PFN）主导开...