跳到正文
9月26日週六
9月6日週日
  1. OpenMOSS / 復旦NLP / 上海創智 / MOSI37

    MOSS-TTS-Nano 示範網站與模型樣本

    MOSS-TTS-Nano 示範網站展示一款 100M 參數的多語言語音生成模型及樣本,模型支援 CPU 推理和聲音複製。網站提供模型下載及本機執行方式;ONNX CPU 部署、聲音複製和微調的資訊則見 MOSS-TTS-Nano README。

8月12日週三
8月6日週四
7月27日週一
7月25日週六
6月17日週三
6月16日週二
  1. OpenMOSS / 復旦NLP / 上海創智 / MOSI49

    OpenMOSS/MOSS-Audio-Tokenizer

    MOSS-Audio-Tokenizer 是基於 Cat 架構的統一離散音訊 tokenizer,具備 1.6 billion 參數,可將 24kHz 原始音訊壓縮至 12.5Hz 幀率,並支援 0.125kbps 至 4kbps 的重建。模型以 3 million hours 多元音訊資料訓練,兼顧高保真重建與語義對齊,適用於語音理解及生成等下游任務。ીએમ

5月29日週五
  1. Spirit AI 千尋智能:原創開源項目48

    Spirit-AI-Team/spirit-v1.5

    Spirit-v1.5 開源專案提供 VLA 模型的官方實作,以及重現 RoboChallenge 評測結果所需的 runtime wrapper;模型採用 Qwen3-VL backbone 與 DiT head。

  2. 美團 LongCat:HuggingFace 新模型39

    美團 LongCat 整合 WBench 評測模型權重

    美團 LongCat 的 meituan-longcat/WBench-weights 儲存庫整合 WBench 評測模型權重,供互動影片世界模型評估使用。WBench 從影片質素、設定遵循、互動遵循、一致性及物理規則符合度五個維度評估,涵蓋 289 個測試案例及 1,058 個互動回合。這些權重僅供學術研究及評估用途。

5月18日週一
  1. gihyo.jp49

    Vercel 公開為 AI 智能體而設的程式語言 Zero

    Vercel Labs 公開以 Apache 2.0 授權的系統程式語言 Zero,專為 AI 智能體編程而設。編譯器會以 JSON 輸出結構化資訊及程式碼修復所需的中繼資料,檔案和網絡存取等外部互動則明確列於函數簽名中。Zero 仍處於實驗階段,開發持續進行,運作尚未穩定。

5月11日週一
4月30日週四
  1. gihyo.jp44

    Microsoft 公開 DOS 1.0 原始碼及開發相關資料

    Microsoft 在 GitHub 公開早期 DOS 開發資料,包括 86-DOS 1.00 與 PC-DOS 1.00 的核心程式碼。資料源自 Tim Paterson 提供的紙本原始碼清單,由歷史學者及保存工作者組成的團隊 OCR 掃描及轉錄;掃描清單及轉錄程式碼以 MIT 授權發布。部分清單保留當時的工作狀態和手寫註記,可呈現功能實作、錯誤及修正的時間線。

4月22日週三
4月8日週三
4月3日週五
  1. 通義 QwenAudio:原創語音項目45

    ThinkSound:以思維鏈推理生成及編輯多模態音訊

    ThinkSound 是一個由思維鏈(CoT)推理引導流匹配的統一 Any2Audio 音訊生成框架,支援以影片、文字及音訊生成或編輯音訊。它透過多模態大語言模型推理,分階段生成 Foley 音景、按指定物件修整聲音,並按自然語言指令編輯音訊。程式碼、模型及數據集僅供研究及教育用途,禁止商業使用。

3月25日週三
  1. 通義 QwenAudio:原創語音項目47

    QwenAudio/FunCineForge

    Fun-CineForge 開源面向多元電影場景的零樣本配音數據集流程及模型,並以此建立大型中文電視配音數據集 CineDub-CN,收錄豐富標註及多元場景。模型在獨白、旁白、對話及多説話者場景中,於音質、唇形同步、音色轉換和指令遵循方面持續優於現有先進方法。reW

3月16日週一
  1. OpenMOSS / 復旦NLP / 上海創智 / MOSI48

    OpenMOSS/TTSD-eval:多説話人對話生成的客觀評測流程

    OpenMOSS/TTSD-eval 提供多説話人對話生成的客觀評測流程,以説話人歸屬準確率(ACC)和説話人相似度(SIM)為核心指標。WER 作為評估可理解度的補充指標,數值愈低愈好;測試集設有中文和英文子集,每種語言各含 50 段對話樣本。流程使用 MMS-FA 對齊輸入文字與生成音訊,並以輸入稿的説話人標籤核對預測結果。

2月24日週二
2月13日週五
2025年11月27日週四
2025年11月19日週三
  1. LMSYS Blog48

    Miles 發佈:面向大規模 MoE 訓練的強化學習框架

    Miles 作為面向大規模 MoE 訓練及生產工作負載的企業級強化學習框架正式推出,並建基於 slime。框架透過基礎設施方案支援真正的 on-policy 訓練,消除訓練與推理不匹配,將 KL divergence 降至 0。RL 訓練期間對 draft model 進行線上 SFT,與凍結的 MTP 相比,rollout 速度提升 25% 以上。

2025年10月6日週一
2025年9月30日週二
2025年9月22日週一
  1. Hugging Face Blog46

    SyGra:為 LLM 和 SLM 建構資料的一站式框架

    SyGra 是面向 LLM 和 SLM 的低程式碼/無程式碼框架,用於簡化資料集建立、轉換與對齊,讓團隊可專注於提示詞工程。它透過 Python 程式庫整合現有 ML 工作流程,支援 vLLM、Hugging Face TGI、Triton 和 Ollama 等推理後端。框架可生成 Q&A、DPO、推理及多語言資料,亦支援篩選和整理資料。

2025年9月8日週一
2025年7月18日週五
  1. OpenAI Developers59

    OpenAI 公開基於 Responses API 的客服 AI 智能體人機協作示例程式庫

    OpenAI 公開了一個基於 Responses API 的客服 AI 智能體人機協作示例程式庫,設有客户與人工客服兩種聊天介面。示例使用內置 file search 工具提供知識庫檢索和建議回覆,敏感操作由人工確認,非敏感操作可自動執行。示例中的函數目前只是佔位實現,不會實際修改資料;項目亦未達生產環境使用要求,用於生產環境前需補充輸入防護措施、用户身份驗證等安全措施。

2025年7月2日週三
  1. 智源 FlagOpen:原創開源項目36

    FlagOpen/RoboSkill:以 MCP 規範建立具身機械人通用技能商店

    FlagOpen/RoboSkill 以 MCP 規範統一廠商整合規格,建立具身機械人的通用技能商店,讓機械人技能可一鍵整合至機械人框架。技能按廠商名稱及機械人型號分層註冊,建議配合 FlagOpen/RoboOS 廠商適配流程使用;開發者可依 MCP 規範編寫技能函數,並以 `mcp dev skill.py` 本地測試。

2025年6月12日週四
2024年10月22日週二
2024年9月25日週三
  1. 智源 FlagOpen:原創開源項目27

    NERL:開源具身基礎模型與大型資料集社羣

    NERL 是致力推進具身基礎模型與大型資料集的開源社羣,目標是建立持續增長的資料、模型及基準測試生態。項目整合網絡、模擬及真實機械人資料,並提供涵蓋資料處理、模型訓練與評估的端到端工具套件及排行榜。NERL 正準備 Robo-VLM,這款具身多模態語言模型可接收圖像、影片、3D 場景及關鍵點,輸出文字回答與策略規劃。

2024年8月28日週三
  1. OpenMOSS / 復旦NLP / 上海創智 / MOSI42

    OpenMOSS/CoLLiE

    CoLLiE 是一套從零開始訓練大型語言模型的工具箱,提供資料預處理、模型微調、儲存及訓練指標監測,並整合並行策略、高效微調方法和優化器。它基於 DeepSpeed 和 PyTorch,支援 MOSS、InternLM、LLaMA 和 ChatGLM 等模型,以及 DP、PP、TP、ZeRO、LOMO、LoRA 和 Flash Attention。

2024年7月22日週一
2024年3月25日週一
  1. Hugging Face Blog41

    Pollen-Vision:機械人零樣本視覺模型的統一介面

    Pollen Robotics 推出開源 pollen-vision 函式庫,整合零樣本視覺模型,支援以影像和文字輸入建立物件偵測及分割流程。首批模型包括 OWL-VIT、Mobile Sam 和 RAM,並結合深度資訊估算物件在 3D 空間中的 (x, y, z) 位置,為機械人抓取提供基礎。目前尚未支援完整 6D 姿態估計,OWL-VIT 的偵測結果亦可能不一致。