LuoGen-agent：开源 AI 视频生成智能体，一键实现爆款数字人口播视频自动化生产
LuoGen-agent 是 LuoGen-AI 团队开源的商业级爆款视频自动化生成智能体，集成智能文案处理、高保真语音克隆、数字人口播合成、多平台自动发布等全流程能力，基于 Whisper、...
NewBie-image-Exp0.1：NewBieAI-Lab开源的动漫风格图像生成模型
NewBie-image-Exp0.1是由NewBieAI-Lab团队开源的一款面向动漫风格的文本到图像生成基础模型，该模型以Next-DiT架构为核心基础，整体参数规模达到3.5B，专门针对二次元动漫图...
DeepSeek-Math-V2：DeepSeek开源的可自我验证数学推理大语言模型
DeepSeek-Math-V2 是由深度求索（deepseek-ai）团队基于 DeepSeek-V3.2-Exp-Base 模型打造的开源数学推理大模型，核心聚焦于可自我验证的数学推理能力构建。该模型创新性地...
如何避免BERT过拟合？这4种正则化策略必须掌握
当训练数据规模不足或任务复杂度过高时，BERT模型极易陷入过拟合困境，本文AI铺子将系统梳理BERT过拟合的成因，并重点解析Dropout、L1/L2正则化、早停（Early Stopping）、...
GigaWorld-0：极佳视界（GigaAI）开源的具身智能专用世界模型框架
GigaWorld-0是由极佳视界（GigaAI）开源的具身智能专用世界模型框架，其核心定位为“世界模型即数据引擎”，通过GigaWorld-0-Video和GigaWorld-0-3D两大协同组件，首次实现...
Mistral 3：Mistral AI 开源的多模态模型家族，支持从 3B 到 675B 参数全场景部署
Mistral 3 是由 Mistral AI 开发的全规模开源多模态 AI 模型家族，该家族涵盖从 3B 参数的边缘轻量模型（Ministral 3 系列）到 675B 参数的云端旗舰模型（Mistral Large 3）...
HunyuanImage-3.0：腾讯混元开源的原生多模态图像生成模型，兼顾超高性能与智能推理
HunyuanImage-3.0是腾讯混元团队推出的原生多模态图像生成模型，核心定位是“统一多模态理解与生成的自回归框架工具”。与传统基于DiT的图像生成模型不同，它突破性地采用“...
可灵AI O1全量上线：统一多模态架构开启视频创作“一句话时代”
可灵AI公司今日正式宣布，其自主研发的全球首个统一多模态视频大模型O1于零时起面向公众全量开放。该模型凭借MVL（多模态视觉语言）统一交互架构与Chain-of-Thought推理链路...
深入理解语义分割：架构原理、常用模型与评估指标全解析
语义分割作为计算机视觉领域的核心技术之一，旨在将图像中的每个像素赋予语义类别标签，实现从像素级到语义级的理解。本文AI铺子将从架构原理、经典模型、评估指标三个维度...
ChronoEdit：英伟达开源的时间一致型AI图像编辑与视频生成工具
ChronoEdit是英伟达NVIDIA多伦多AI实验室（nv-tlabs）开发的开源图像编辑与世界模拟工具，核心创新在于将传统图像编辑重构为视频生成任务——以输入图像和目标编辑图像作为...