Tagged

MODEL-ZOO

A collection of 259 posts

MODEL-ZOO

LFM2：边缘优先的基础模型系列

LFM2是专为设备端使用而设计的第二代模型系列，包括视觉、语音、嵌入等多个基础模型。

MODEL-ZOO

DeepSeek OCR 微调指南

在本指南中，我们将逐步讲解如何为定制DeepSeek OCR模型，仅需60 个训练步骤即可实现显著的性能提升。

MODEL-ZOO

Claude Opus 4.5: 最自信的AI

我们一直从单一维度评估 AI：能力、基准测试、速度。准确性。但Claude Opus 4.5 迫使我们增加第二个维度：性格匹配度。

MODEL-ZOO

Chronos-2 时序大模型

本文介绍亚马逊最新发布的开源权重模型—— Chronos-2 ，并展示它如何基于历史销售数据和温度作为协变量来预测产品需求。

MODEL-ZOO

强化蒸馏简明教程

一个小型的PyTorch模型如何仅通过+1/-1反馈从大型语言模型（LLM）中学习？这就是强化蒸馏的作用。

MODEL-ZOO

Olmo 3：开源训练过程

Allen AI 的 Olmo 3 模型系列不仅仅是“开放权重”，而是完全开源整个训练过程。

MODEL-ZOO

SAM 3D：从单张图像抽取3D模型

Meta 的新 SAM 3D 不再仅仅了解照片中的内容。它了解事物在 3D 空间中的位置。单击照片中的咖啡杯，它会返回完整的 3D 网格。指向一个人，你就可以得到他们完整的身体姿势和形状。

MODEL-ZOO

6个最适合本地运行的语言模型

本文列出了 6 款顶级的本地 LLM，您可以安装并实际使用。

MODEL-ZOO

Kimi K2 Thinking

Moonshot AI 的基准测试成绩，显示 K2 Thinking 在“代理推理”和“代理搜索”方面击败了顶级的 OpenAI 和 Anthropic 模型，但在“编码”方面并未达到顶尖水平。

MODEL-ZOO

FIBO - Nano Banana的开源对手

作为第一个原生支持JSON的图像生成模型，FIBO为每个渲染提供了可追溯性、可审计性和精确的可编辑性，专为代理、自动化和专业设计工作流程而构建。

MODEL-ZOO

Maya1：带情感控制的TTS

大多数语音AI听起来像2011年的昂贵GPS，清晰到可以理解，但情感平淡。Maya1不是这样，它可以根据提示实际设计您的TTS语音。

MODEL-ZOO

IBM Granite 4.0-Nano边缘AI模型

IBM推出了Granite 4.0 Nano模型系列，致力于创建强大且实用的大语言模型（LLM），这些模型特别优化用于边缘和设备端应用。

MODEL-ZOO

Chandra：复杂文档OCR模型

Datalab 开发了一款名为 Chandra 的开源 OCR 模型。它在社交媒体上几乎无人问津，但在独立基准测试中，它悄然超越了所有主流 OCR 系统。

MODEL-ZOO

本地微调 Qwen3-VL 模型

在本文中，我们将探讨 Qwen3-VL 与 Qwen2.5-VL 在架构、训练和整体性能方面的区别，介绍 GPU 要求，并逐步讲解如何使用 Unsloth进行微调。

MODEL-ZOO

用PaddleOCR VL提取复杂数据

今天，我将用 PaddleOCR-VL 测试四个关键挑战：公式识别、表格识别、阅读顺序和手写文本。

MODEL-ZOO

MapAnything三维重建实战

MapAnything 等基于 Transformer 的 AI 技术无需数百张完美重叠的照片，即可理解图像中的几何结构。

MODEL-ZOO

4个最强大的开源 OCR 模型

有四个开源项目脱颖而出：DeepSeek-OCR、Olmo-OCR 2、Qwen3-VL 和 Dots.OCR。它们的作用相同（读取文档），但方式却截然不同。

MODEL-ZOO

DeepSeek-OCR：上下文光学压缩

DeepSeek-OCR模型是一个最先进的文档解析器。但光学字符识别只是更大、更深刻的概念的一个概念验证：一种革命性的用于人工智能的记忆压缩方式。

MODEL-ZOO

DeepSeek OCR 解读

DeepSeek 团队想要探究的是：我们能否构建一个模型，能够读取压缩后的图像并准确重建全文？在压缩到一定程度之前，我们能将压缩效果提升到何种程度？

MODEL-ZOO

Fathom-DeepResearch

Fathom-DeepResearch 引入了一个完全开源的代理系统，在复杂、长视界的网络推理和综合任务上可以与专有DeepResearch风格的模型相媲美。

MODEL-ZOO

用UserLM-8b模拟用户行为

微软的 UserLM-8b 是一款革命性的语言模型，旨在模拟用户在对话中的角色，而不是助手的角色。

MODEL-ZOO

用Arch-Router选择最合适的LLM

在本文中，我们将探讨领先的 LLM 路由范式并深入研究 Arch-Router，一个15 亿参数的LLM路由AI模型。

MODEL-ZOO

NeuTTS Air实时语音克隆模型

NeuTTS Air能够在日常设备如笔记本电脑、智能手机和树莓派上实时进行语音合成，而无需依赖云API或GPU。

MODEL-ZOO

PaddleOCR-VL开源文档解析模型

超越 OCR：解析 109 种语言的文本、表格、公式和图表。获取可在本地运行的 SOTA 文档解析功能。

MODEL-ZOO

网页运行Gemma 3 270M

在这篇文章中，我将向你展示如何使用 Gemma 创建我自己的表情符号翻译器——一个将文本转换为表情符号并可以在网页里运行的小型模型。