Tagged

MODEL-ZOO

A collection of 265 posts

MODEL-ZOO

TRELLIS.2：照片转3D模型

微软的 TRELLIS.2 让专业级 3D 建模变得触手可及。以下是我的试用体验。

MODEL-ZOO

Models.dev - AI SDK兼容模型跟踪

我曾经是一个自信满满的开发者，认为将AI集成到我的应用中轻而易举。但我万万没想到，我即将学到一个代价惨重的教训……

MODEL-ZOO

微调PHI-3以优化RAG

一个完整的、动手的指南，使用 Unsloth 在免费层级的 Google Colab 上对 Microsoft 的 3.8B 参数模型进行微调，实现 200% 的准确率提升并消除幻觉

MODEL-ZOO

FunctionGemma函数调用LLM

FunctionGemma是一个轻量级的开源模型，由Google开发，专门用于函数调用，而不是聊天。

MODEL-ZOO

Luxical: CPU上的超高速文本嵌入

Luxical是一种全新的文本嵌入方法，在 CPU 上运行速度极快，完全避免了繁重的 Transformer 推理，同时在文档相似度、聚类和分类方面依然表现出色。

MODEL-ZOO

Mistral OCR 3: 从识别到理解

Mistral OCR 3不仅仅是一个更强大的OCR引擎，更是从光学识别到真正理解文档的转变。

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？