Tagged

MODEL-ZOO

A collection of 185 posts

MODEL-ZOO

重新实现Pix2Seq的思考

从零开始构建谷歌激进的目标检测方法所学到的东西——以及它如何改变了我对计算机视觉的看法

MODEL-ZOO

YOLOv13 简介

本文将讨论 YOLOv13 是什么，它带来了什么，以及如果你正在开发图像检测模型，你需要做些什么。让我们开始吧！

MODEL-ZOO

微调BERT检测假新闻

在这篇指南中，我将带领你完成一个基于BERT的虚假新闻分类器的端到端实现。

MODEL-ZOO

微调一个函数调用小模型

在RidgeRun.ai，我们开始开发自己的小规模、本地运行的函数调用模型，有几个重要的原因。

MODEL-ZOO

用MonkeyOCR提取结构化数据

MonkeyOCR是一个视觉语言模型，能够智能地解析收据、发票、表格和其他无结构的文档图像，将其转换为干净的结构化数据。

MODEL-ZOO

强化学习算法全景

强化学习是机器学习的一个分支，近年来作为一种在不同应用领域中高效获取技能的方法正迅速获得关注。在这篇文章中，我们将提供一个全面的概述，既提供高层次的视角，又详细探讨底层数学推导和算法的具体内容。

MODEL-ZOO

BitCPM4：1位LLM时代的到来

BitCPM4是mini CPM 4模型系列的一个变体，最近刚刚发布，专为边缘设备设计。与从头开始用三值权重训练的BitNet 1.5b不同，BitCPM4更像是MiniCPM4的量化版本。

MODEL-ZOO

大模型微调是浪费时间

人们认为可以通过微调注入知识。他们错了。

MODEL-ZOO

微调Qwen2.5-VL用于文档理解

本文将检查一个手写数字数据集、对其进行标注，并使用它来创建一个专门用于提取手写文本的微调后的Qwen 2.5 VL。

MODEL-ZOO

OpenAudio S1：能哭会笑的TTS

从Fish-TTS升级而来的OpenAudio-S1，打败了ElevenLabs、Dia1.6B、Sesame-CSM-1B等其他模型，是情绪表达能力最强的TTS。

MODEL-ZOO

SmolVLA：开源机器人AI

一款运行在MacBook上的紧凑型开源模型。社区驱动的数据集正在推动现实世界中的机器人技术。新一代可访问、智能的机器时代已经到来。

MODEL-ZOO

MedGemma：医学多模态模型

MedGemma 4B是一组经过训练以在与医学文本和图像理解相关的任务中表现良好的Gemma 3变体。本文介绍如何使用MedGemma模型结合医学图像和文本提示生成有意义的临床输出。

MODEL-ZOO

Gemma 3n：移动设备全栈AI

在这篇博客文章中，我们将探讨如何在移动设备上完全运行 完整的 AI 栈，涵盖从语音到文本（STT）、函数调用、视觉语言模型（VLM）推理到文本到语音（TTS）的完整 Android 应用程序实现。

MODEL-ZOO

FLUX.1 Kontext：用文字编辑图像

FLUX.1 Kontext 是来自 Black Forest Labs 的一款新图像编辑模型。它是用于通过文本提示编辑图像的最佳模型之一，并且是 FLUX.1 家族的最新成员。

MODEL-ZOO

Chatterbox TTS开源语音克隆

Chatterbox由Resemble AI构建，并且以MIT许可证授权。它已经被与付费工具如ElevenLabs进行了基准测试，结果令人惊讶——在盲测中，人们更喜欢Chatterbox。

MODEL-ZOO

Devstral：软件工程专用模型

Mistral Devstral-Small-2505是一个拥有 24B 参数的模型，与同类大小的模型相比，在软件工程任务中表现出了巨大的优势。

MODEL-ZOO

12个最强大的音频AI模型

用于语音克隆、TTS、ASR、音乐生成等的最佳开源AI模型

MODEL-ZOO

Claude 4：该停止编码了

每个人都是编码高手，直到Claude的到来。这是一个令人震撼的发布。Claude 4的表现让我开始怀疑自己的职业选择。

MODEL-ZOO

Phi-4-Resoning

微软Phi-4推出了三款新的开放权重模型，专为处理严肃的推理任务而设计。

MODEL-ZOO

TimesFM时间序列基础模型

我们能否为时间序列学习一个基础模型，并用聊天机器人对其进行查询，用智能代理对其进行推理，并执行其他有用的生成式AI应用？

MODEL-ZOO

ChatGPT图像生成器：诈骗风险

随着ChatGPT发布了GPT-4o的图像生成功能，世界已经疯狂了。Studio Ghibli潮流迅速兴起，但存在大量潜在的在线欺诈风险。

MODEL-ZOO

Quasar Alpha神秘大模型

OpenRouter在2025年4月4日悄悄发布了名为Quasar Alpha的新模型，这一低调的发布引发了关于它来自哪里以及能做什么的大量讨论。

MODEL-ZOO

5个最强前端代码生成AI模型对比

本文在一个真实的前端开发任务上对比了Grok 3、Gemini 2.5 Pro、DeepSeek V3、OpenAI o1-pro和Claude 3.7 Sonnet的效果。

MODEL-ZOO

Perplexity Sonar Reasoning

我在浏览OpenRouter时看到了一个我之前从未见过的模型：Perplexity Sonar Reasoning，这是一个令人震惊的预置实时网络搜索能力的大模型。

MODEL-ZOO

“链式思维”的隐藏真相

“链式思维”（Chain-of-Thought, CoT）就像是窥探AI的内心世界，看到它的逐步逻辑推理。这很令人兴奋，因为它可以帮助我们信任和控制这些强大的系统，特别是在安全关键任务中。