11.11云上盛惠!海量产品 · 轻松上云!云服务器首年1.8折起,买1年送3个月!超值优惠,性能稳定,让您的云端之旅更加畅享。快来腾讯云选购吧!
主流框架中毋庸置疑的老大,Bootstrap 是基于 HTML、CSS、JavaScript 的,它简洁灵活,使得 Web 开发更加快捷……
知名开源WEB前端框架Bootstrap中文翻译版昨日上线,该版本由wrongway开发者编译。
蚂蚁集团和浙江大学合作开发了一个名为OneKE的开源大模型知识抽取框架。该框架旨在帮助处理信息抽取、文本数据结构化和知识图谱构建等任务,为研究人员和开发者提供有力工具。他们将持续优化知识抽取的性能,并将相关技术应用到金融、医疗、政务等领域,推动可控生成技术的产业落地。
HPT是HyperGAI研究团队推出的新型多模态大型语言模型框架。它具有高效且可扩展地训练大型多模态基础模型的能力,能够理解包括文本、图像、视频等多种输入模态。点击前往HPT官网体验入口需求人群:"适用于需要处理和理解多模态数据的研究人员和开发者,如进行视觉-语言任务、图像分析、图表解读等。
LaVague是一个旨在自动化浏览器交互的大型动作模型框架,通过将自然语言指令转化为无缝的浏览器交互,重新定义了互联网浏览体验。该框架的设计初衷是为用户自动化繁琐的任务,节省时间,让用户能够专注于更有意义的事务。未来的发展方向可能包括优化本地模型、改进信息检索以确保生成的代码片段相关性、支持其他浏览器引擎等。
魔搭社区ModelScope宣布开源AgentScope,AgentScope是一款全新的多智能体框架,专为应用开发者打造,旨在提供高易用、高可靠的编程体验,提供多模态和分布式的技术支持:借助于AgentScope,可以在本地部署并魔改游戏应用,任意修改你的游戏界面,或者添加更多的feature1.Agent游戏制作:AgentScope提供了一个基于Agent技术的图文游戏制作体验。玩家可以通过配置来创建自己的游戏剧情、任
OLMo是由AI2研究院发布的开源语言模型和训练框架。该框架提供了完整的训练数据、代码、模型参数以及评估代码等资源,为语言模型技术研究人员提供了全面的支持。通过访问OLMo官网,您将进入一个开放的学术世界,与全球研究人员共同推动语言模型技术的发展。
SCEPTER是由阿里巴巴开发的一个专为生成模型设计的开源框架。它用于训练、微调和推理生成模型,涵盖诸如图像生成、转换和编辑等下游任务。这些方法特别适用于生成高质量、细节丰富的图像。
TOFU框架是一个旨在提升大模型安全性的工具,由卡内基梅隆大学研究人员开发。该框架包含遗忘、数据集、评估等多个模块,帮助开发者提升大模型的安全性。这一框架的开源将为整个领域的发展带来新的动力和方向。
ChatbotUI是一个开源的聊天机器人WebUI框架,它支持接入多种模型,包括OpenAI、AzureOpenAI、Anthropic、Google、Mistral和Perplexity等。它还支持Ollama上的本地模型接入。无论是外观还是功能,ChatbotUI都是一个非常全面的聊天机器人WebUI框架。
SCEdit是一个高效的生成式微调框架,由阿里巴巴通义实验室基础视觉智能团队提出。该框架可以用于图像生成任务的微调,并支持快速迁移到特定的生成场景中。在可控生成任务中,SCEdit可以实现对生成结果的精准控制,并节省30%的内存使用。
OneLLM是一种多模态对齐的统一框架,它使用通用编码器和统一的投影模块与LLM对齐多模态输入。OneLLM还通过使用modalitytokens实现了在不同模态之间的切换。OneLLM在视频-文本、音频-视频-文本、音频-文本等任务中优于现有方法,表现出了较强的零样本能力。
阿里可控视频生成框架DreaMoving正式开源,从网友测试的效果来看,其对人物运动的控制还是比较理想的。DreaMoving是基于扩散模型的可控视频生成框架,用于产生高质量定制的人类视频。ContentGuider组件则负责将输入文本提示和外观表达转换为内容嵌入,实现跨注意力的传递。
随着对生成式人工智能技术需求的激增,大型语言模型的训练和容错性要求也在不断增加。为应对这一挑战,密歇根大学的研究人员开发了一款名为Oobleck的开源大型模型训练框架。Oobleck的开发标志着利用固有冗余提高容错性的新里程碑,为大型模型的高效训练和故障恢复提供了一种创新性的解决方案。
瑞士联邦理工学院与苹果的研究人员合作开发的4M框架在人工智能领域引起了广泛关注。该框架的核心目标是训练多模态基础模型,能够跨足多个模态和任务,以提高视觉处理的可伸缩性和多样性。这一研究不仅对于提高视觉处理模型的灵活性和性能至关重要,也为人工智能领域的未来发展提供了有益的启示。
瑞士洛桑联邦理工学院与苹果联手推出了一项名为"MassivelyMultimodalMaskedModeling"的人工智能框架,旨在解决训练跨多模态视觉基础模型的挑战。尽管在自然语言处理领域,训练大型语言模型已经取得了显著成功,但在视觉领域,仍需要构建能够灵活处理多种输入模态和输出任务的模型。通过对4M性能影响的深入消融分析,结合该方法的简便性和通用性,研究人员认为4M在许多视觉任务和未来发展中具有巨大的潜力。
LobeChat是一个开源的、高性能的聊天机器人框架,支持多种先进功能。该框架的核心是语音合成、多模态以及一个可扩展的插件系统。作为一个开源项目,它吸引了大量开发者的参与,形成了一个充满创造力和活力的社区。
在3D生成领域,为了实现高质量的3D人体外观和几何形状,研究者们一直在探索自动化的生成方法。传统方法需要经历多个人工制作步骤最新的HumanGaussian框架通过结构感知的SDS和负文本引导等核心方法,成功解决了3D人体生成中效率与质量之间的权衡问题。这一框架的开源将为相关研究者提供有力工具,推动3D生成领域的发展。
2020年11月,苹果推出M1芯片,其速度之快、功能之强大一时令人惊艳。2022年苹果又推出了M2,今年10月,M3芯片正式登场。图源:https://github.com/ml-explore/mlx-examples/tree/main/mnistMLX还有其他更多有用的示例,包括如下:Transformer语言模型训练;LLaMA大规模文本生成和LoRA微调;StableDiffusion生成图片;OpenAI的Whisper语音识别。
Apple开源的MLX是一个适用于苹果芯片的机器学习框架。它具有许多功能,包括熟悉的API、可组合的函数转换、延迟计算、动态图构建和多设备支持等。阵列驻留在共享内存中,允许跨不同设备类型对MLX阵列进行操作无需移动数据。
纽约大学和Meta的研究团队最近推出了一款名为Dobb-E的开源机器人学习框架,旨在解决家庭环境中机器人操作学习的挑战。这一高度适应性的系统通过从用户演示中学习和适应,取得了显著的成功,其在陌生家庭环境中的成功率达到了81%。实验还为照明条件和阴影影响任务执行的挑战提供了见解。
在今天的发布会上,OPPO推出了全新的ColorOS14,同时,OPPO还推出了自主训练的安第斯大模型。AndesGPT是OPPO自主训练的大模型,采用“端云协同”基础架构,基于千亿条知识与对话深度学习带来准确、自然的对话体验。OPPO还宣布未来将开源AndesGPT智能体框架,并推出AI智能体开发平台,让不懂代码的人也可以定义和分享AI原生的智能应用。
OpenAgents是一个开放平台,用于在日常生活中使用和托管语言智能体。该平台旨在促进构建概念验证的语言智能体,同时考虑非专业用户对智能体的访问和应用层面的设计。项目源码遵从Apache-2.0license,部分模型权重使用需遵从相应许可。
开源DevOps服务供应商Sonatype最新发布了的一份《软件供应链状况》报告,其中提到了一个令人担忧的事实:“去年有近五分之一的项目停止了维护,这对Java和JavaScript生态系统都造成了影响。”越来越多开源项目停更的背后,究其原因,正是开源开发者圈内那个几乎无解的难题:坚持开源和维持生计之间,项目维护者究竟该如何两全?数不清的开源项目维护者困于生存压力,在身兼全职工作的同时,出于热爱与责任在业余时间“用爱发电”。“”作为曾经的.Net和C#忠实码农,看到此文真是感慨万千。
Haystack是一个端到端的自然语言处理框架,它能够帮助您构建由大型语言模型、Transformer模型、向量搜索等驱动的应用程序。无论您想要进行问题回答、答案生成、语义文档搜索是构建能够进行复杂决策和查询解决的工具,Haystack都可以帮助您使用最先进的NLP模型构建解决您的用例的端到端NLP应用程序。Haystack支持多种文档存储,包括ElasticSearch、Opensearch、Weaviate、Pinecone、FAISS等。
AgentVerse是一个旨在促进多个大型语言模型之间协作的多智能体框架。虽然单个LLM在各种任务上表现出色,但面对复杂任务或需要提高效率的情况,多个智能体之间的协作变得至关重要。这一框架的发展对于推动自然语言处理和人工智能领域的研究和应用具有重要意义。
9月12日,淘天集团联合爱橙科技正式对外开源大模型训练框架Megatron-LLaMA,以让技术开发者们更方便地提升大语言模型训练性能,降低训练成本。Megatron-LLaMA是一个基于Megatron-LM的分布式深度学习训练框架,专门用于大规模语言模型LLaMA的训练。它降低了训练大模型的门槛,是开源社区一个重要的贡献。
魔搭社区推出适配开源大语言模型的AIAgent开发框架ModelScope-Agent。ModelScope-Agent是一个通用的、可定制的Agent框架,用于实际应用程序,其基于开源的大语言模型作为核心,包含记忆控制、工具使用等模块。开源LLM主要负责任务规划、调度以及回复生成;记忆控制模块,主要包含知识检索以及prompt管理;工具使用模块,包含工具库以及工具检索和工具可定制化。
基于Diffusion模型的图像生成模型层出不穷,但模型代码存在过度碎片化的问题。中山大学人机物智能融合实验室构建了HCP-Diffusion框架。HCP-Diffusion框架实现了Diffusion模型代码的模块化和统一,支持多种训练与推理优化方法,提供友好的用户界面,有助于Diffusion模型的规模化应用。