南京大学、字节跳动和南开大学的研究人员推出大规模高质量文本到视频生成数据集OpenVid-1M，以及一个新颖的多模态视频扩散变换器（MVDiT）。论文还提到了MVDiT的一些限制，比如在模拟复杂自然场景的动态和运动时可能会产生不真实的视频，以及目前还不能模拟长时间动态，这些都是未来研究需要解决的问题。 项目主页：ht... 阅读全文

GOG 游戏商城正在免费送出动作冒险游戏《第一圣殿骑士（The First Templar - Special Edition）》，截止日期为7月6日21时。游戏讲述的是一名法国圣殿骑士和他的伙伴一起揭开圣殿法则和圣杯的秘密的故事。游戏包括两个主角——一名圣殿骑士和他的朋友。玩家独自进行游戏时，可以在这两名角色之间进行... 阅读全文

网络传送带（影音传送带/Net Transport/NetTransport），一款发布于2009年的经典网络文件下载工具，以其广泛的协议支持和高效的流下载功能著称。它曾是中国首款支持MMS、RTSP、PNM、HTTP、HTTPS、FTP、FTPS、SFTP以及BT、电驴等协议的下载利器，其协议支持之全面，至今在国际上... 阅读全文

Meta推出Meta 3D Gen（简称3DGen）的先进技术，它是一个文本到3D资产生成的快速通道。这项技术的主要特点是能够快速生成高质量的3D模型和纹理，几乎达到了一分钟以内的惊人速度。3DGen支持基于物理的渲染（PBR），这对于3D资产在现实世界应用中的重新照明至关重要。此外，3DGen还能够使用用户提供的额外... 阅读全文

想要快速去除图片背景，又不想花费一分钱？「Removerized」正是您所需要的免费AI工具。这款工具利用先进的AI技术，能够迅速而准确地移除图片背景，而且完全免费，没有任何使用限制。即使在离线状态下，您也能轻松使用它。「Removerized」支持常见的图片格式，包括PNG、JPG和WebP。操作简单直观，只需将图片... 阅读全文

香港中文大学多媒体实验室推出新方法Step-Controlled DPO（SCDPO），用于提升大语言模型（LLMs）在数学推理等下游任务上的表现。例如，我们有一个超级聪明的电脑助手，它可以理解和解决复杂的数学问题，但有时它可能会在解题过程中出错。SCDPO的作用就是帮助这个电脑助手更准确地理解问题并找到正确的解题步骤... 阅读全文

Sea推出新方法REGMIX，它将数据混合问题转化为一个回归问题来解决。简单来说，就是通过训练多个小型模型，并观察它们在不同数据混合下的表现，然后基于这些表现来预测哪些数据混合对于训练大型模型最有效。例如，我们想训练一个能够回答各种问题的语言模型。我们有来自不同领域（如科学、历史、技术）的大量文本数据。使用REGMIX... 阅读全文

厦门大学信息学院和腾讯人工智能实验室的研究人员推出一种新型的树状搜索算法——LiteSearch，它是为了提高大语言模型（LLMs）在复杂数学推理任务上的性能而设计的。在以往的研究中，树状搜索算法（例如蒙特卡洛树搜索，MCTS）已被证明可以显著提升LLMs的性能，但这些算法常常因为搜索策略上的浪费而需要超过贪婪解码10... 阅读全文

北京大学、国医学科学院、香港中文大学和阿里巴巴集团的研究人员推出新型多模态评估基准MMEVALPRO，它专门设计用来检验和校准大型多模态模型（LMMs）的评估方法，以确保评估结果既可靠又高效。例如，我们有一个问题：“图中的植物有几种不同的叶子形状？”原始答案可能是“三种”。但MMEVALPRO会进一步询问：“你能描述这... 阅读全文

华为诺亚方舟的研究人员推出ROS-LLM框架，它是一个用于机器人编程的系统，可以让没有专业机器人编程知识的普通人通过自然语言提示和上下文信息来指导机器人完成任务。简单来说，这个系统就像是一个能够理解人类语言的机器人大脑，它能够根据人们用日常语言描述的任务要求来控制机器人的动作。 GitHub：https://githu... 阅读全文

北京邮电大学、 腾讯、华中科技大学和北京技术研究院的研究人员推出基准测试WE-MATH，测试大型多模态模型（Large Multimodal Models，简称LMMs）在进行数学推理时是否能达到类似人类的水平，专门用来评估这些模型在解决视觉数学问题时所遵循的解题原则，而不仅仅是最终结果。 项目主页：https://w... 阅读全文

kinopio-client 是GitHub上的一个开源白板工具，该项目专注于在线白板工具的开发。Kinopio是一个允许用户以多种方式连接许多卡片的在线白板工具。在项目的五周年纪念日，开发者宣布了这个项目的开源，使得用户能够在本地运行并使用Kinopio。整个项目的代码大小仅为220KB，这使得即使在缺乏互联网连接的... 阅读全文