Versatile Versatile-OCR-Program是一款开源多模态OCR工具，支持从教育材料中提取文本、公式、表格等结构化数据，输出为JSON或Markdown格式，准确率高达90%-95%。它基于DocLayout-YOLO、Google Vision和MathPix等技术，支持多语言处理，适用于教育数据集制作、教学辅助、AI模型训练及个人学习等场景。 AI项目与工具 2025年06月11日 77 点赞 0 评论 396 浏览
Magma Magma是微软研究院开发的多模态AI基础模型，具备理解与执行多模态任务的能力，覆盖数字与物理环境。它融合语言、空间与时间智能，支持从UI导航到机器人操作的复杂任务。基于大规模视觉-语言和动作数据预训练，Magma在零样本和微调设置下表现优异，适用于网页操作、机器人控制、视频理解及智能助手等多个领域。 AI项目与工具 2025年06月12日 100 点赞 0 评论 396 浏览
Awesome Chinese LLM 整理了开源的中文大语言模型（LLM），主要关注规模较小、可私有化部署且训练成本较低的模型，目前已收录了100多个相关资源。 Ai学习资源 2025年06月05日 44 点赞 0 评论 396 浏览
Aibase产品库 Aibase产品库，发现最新、最热门的人工智能产品，致力于收集国内外优秀的AI产品应用，为用户业务场景赋能，为应用构建提供灵感。 Ai学习资源 2025年06月05日 69 点赞 0 评论 396 浏览
TIP TIP-I2V是一个包含大量真实文本和图像提示的数据集，专为图像到视频生成领域设计。它涵盖了超过170万个独特的提示，并结合多种顶级图像到视频生成模型生成的视频内容。该数据集支持用户偏好分析、模型性能评估以及解决错误信息传播等问题，有助于推动图像到视频生成技术的安全发展。 AI项目与工具 2025年06月12日 23 点赞 0 评论 397 浏览
Agentar Agentar是蚂蚁数科推出的智能体开发平台，面向金融机构提供一站式AI开发工具。平台基于大量金融数据与AI技术，支持零代码、低代码开发，具备高安全性与合规性。其核心功能涵盖可信智能体技术、高质量知识库、可视化编排及丰富服务组件，适用于智能投研、客服、风控、营销与合规管理等场景，助力金融机构提升决策效率与智能化水平。 AI项目与工具 2025年06月11日 90 点赞 0 评论 397 浏览
Laminar Laminar是一款面向大型语言模型（LLM）的开源可观测性和分析平台，具备自动追踪LLM调用与数据库交互、事件驱动分析及数据标注等功能，同时支持高效的数据存储与可视化展示。其目标是提升LLM应用的透明度和效率，适用于开发调试、性能监控、用户体验优化及业务决策支持等多个场景。 AI项目与工具 2025年06月12日 98 点赞 0 评论 397 浏览
InfiMM InfiMM-WebMath-40B是由字节跳动与中国科学院联合推出的大规模多模态数据集，涵盖大量数学和科学内容，包括文本、公式、符号及图像。该数据集通过筛选、清洗和标注优化，可显著提升多模态模型的数学推理能力。它适用于数学题库生成、学习工具开发、论文理解及科学研究等多个应用场景。 --- AI项目与工具 2025年06月12日 100 点赞 0 评论 397 浏览
LlamaV LlamaV-o1是由阿联酋穆罕默德·本·扎耶德人工智能大学等机构开发的多模态视觉推理模型，具备结构化推理和透明性，支持文本、图像和视频等多种模态的信息处理。该模型引入了VRC-Bench基准测试，涵盖4000多个推理步骤，用于全面评估推理能力。其性能优于多个开源模型，适用于医疗影像分析、金融数据解读、教育辅助和工业检测等场景，具有高准确性和可解释性。 AI项目与工具 2025年06月12日 74 点赞 0 评论 397 浏览
GR00T GR00T-Teleop是NVIDIA Isaac GR00T系统的一部分，用于远程操作数据的采集与处理。它基于NVIDIA CloudXR技术连接高保真头显设备，实现手部跟踪数据与机器人环境视图的实时双向传输，支持用户对机器人进行直观控制。该工具为机器人训练、复杂任务执行及危险环境操作提供高质量数据支持，具备低延迟、高精度和强交互性等特点。 AI项目与工具 2025年06月12日 84 点赞 0 评论 397 浏览
