DAIR-V2X-大规模车辆基础设施合作3D物体检测数据集

该项目旨在通过无人机视频实时检测和绘制感兴趣物体的位置，提供直观的地图展示。

“AI CLI”是指一种通过GPT-3这一先进的人工智能模型增强的命令行界面（CLI），由OpenAI开发。这个AI工具旨在理解并执行用自然语言给出的命令，使得传统的CLI体验变得更直观和用户友好。

Distil-Whisper是一个令人印象深刻的AI模型，相较于Whisper，它提供了更快的推理速度和更小的模型体积，速度提高了6倍，体积减少了49%，在分布外评估集上表现也具有竞争力。

杜克大学的开源项目PULSE，可以让很模糊的人变清晰的脸（当然非真实还原），基于深度学习技术，支持多种输入格式，社区积极贡献。

AGVM是一个用于密集视觉预测的大批量优化项目，旨在提高深度学习模型在视觉任务中的训练和优化效率。

一个简单但功能强大的 Web 应用程序，100% 在本地运行，其中 AI（的 llama.cpp + Bakllava）不断监视您的网络摄像头并向您发送消息。

Mira (Mini-Sora) 是腾讯 PCG ARC 实验室推出的一个高质量长视频生成项目，旨在迈向类似 Sora 的视频生成技术。

该项目提供了一个关于对比学习在自然语言处理领域最新研究论文的全面列表，包括论文链接和引用信息，涵盖多种NLP任务的对比学习方法，并定期更新以反映最新的研究进展。

一个轻量级的视觉-语言-动作模型，专门用于GUI智能代理。它可以理解屏幕界面内容，执行点击、输入、滚动等交互操作，支持网页和手机应用场景，能够自动完成用户界面任务

DataBridge Core 是一个强大的文档处理和检索系统，支持多种文件格式，提供语义搜索和文档处理功能，具有模块化设计，支持自定义解析器和嵌入模型，以及多种部署方式。

智谱刚发布的最新CogVideoX1.5模型，能够生成高质量的视频内容，支持多种分辨率及时长的视频生成。

一个工具，用于指定要构建的内容，AI会要求澄清，并进行构建。该工具易于适应、扩展，使智能体程序按您希望的代码形式进行学习。

该网络旨在利用跨模态知识蒸馏技术进行单目3D目标检测，以提高目标检测任务的准确性。

CSTS是一个专为中文设计的自然语言推理与语义相似度数据集，包含多种推理场景，提供丰富的标注数据，旨在支持机器学习和深度学习模型的训练，帮助提升中文文本的理解和处理能力。

LlamaV-o1是一个大型多模态模型，能够进行自发推理。在VCR-Bench基准测试中表现优异，超越了多个知名模型，如Gemini-1.5-flash和GPT-4o-mini。该模型结合了课程学习的结构化进展，使用Beam Search提升效率，特别适合复杂的多步视觉推理任务，具备高准确性和高效率。

2022年AI领域最新进展追踪 - 精心策划的最新AI突破列表，按发布时间排序，提供清晰的视频解释，链接到更深入的文章和代码。

TinyPilot是一个低于$100的KVM over IP解决方案，允许用户通过简单易用的Web界面远程访问和控制计算机。它支持多种操作系统，并通过USB接口连接设备，适合在家庭或办公室环境中使用，方便用户管理多台计算机。

为大型语言模型（LLMs）使用的HTML DOM到语义化Markdown的转换工具，优化了Web内容的语义信息提取，提高了标记效率并保留了关键的元数据信息。