深度学习

1. 首页
2. 深度学习

Gemini 2.0

Gemini 2.0 是谷歌推出的原生多模态AI模型，具备快速处理文本、音频和图像的能力，支持多语言输出和实时音视频流输入。通过Agent技术和工具调用，Gemini 2.0 能够自主理解任务并提供解决方案，已在编程、数据分析、游戏等领域展示应用潜力。目前提供免费试用，计划逐步开放更多功能。

AI项目与工具 2025年06月12日 63 点赞 0 评论 238 浏览

LongLLaVA

LongLLaVA是由香港中文大学（深圳）研究团队开发的多模态大型语言模型，结合Mamba和Transformer模块，利用2D池化技术压缩图像token，大幅提升处理大规模图像数据的效率。该模型在视频理解、高分辨率图像分析及多模态代理任务中表现优异，特别擅长检索、计数和排序任务。其技术亮点包括渐进式训练策略和混合架构优化，支持多种多模态输入处理，广泛应用于视频分析、医学影像诊断、环境监测等领域。

AI项目与工具 2025年06月12日 67 点赞 0 评论 237 浏览

WiseDiag

WiseDiag是杭州智诊科技开发的医疗AI模型，基于海量医学数据训练，具备深度推理能力和个性化服务功能。支持多场景健康咨询，包括医学报告解读、长期健康记录管理及专家级建议。提供多种版本以适应不同需求，适用于健康管理、医疗辅助和远程医疗等应用。

AI项目与工具 2025年06月12日 55 点赞 0 评论 236 浏览

Eagle 2.5

Eagle 2.5 是一款由英伟达开发的视觉语言模型，专注于长上下文多模态学习，具备处理高分辨率图像和长视频序列的能力。其参数规模为 8B，但性能接近更大模型。采用信息优先采样和渐进式后训练策略，提升模型稳定性与适应性。支持多样任务，适用于视频分析、图像处理、内容创作及教育等多个领域。

AI项目与工具 2025年06月11日 59 点赞 0 评论 235 浏览

PDFMathTranslate

PDFMathTranslate是一款专注于科技文档翻译的开源工具，能够精准保留PDF文档的排版格式，包括公式、图表和目录结构。支持双语对照查看，兼容多种翻译服务，可实现全文或局部翻译，适用于学术研究、教育、技术文档、法律文件等多个领域。

AI项目与工具 2025年06月12日 85 点赞 0 评论 235 浏览

CatchMe

一款为识别图片、视频和音频内容是否由人工智能生成而设计的AI内容检测器

Ai办公效率 2025年06月05日 91 点赞 0 评论 234 浏览

WebWalker

WebWalker是阿里巴巴研发的AI工具，用于评估和优化大型语言模型在网页浏览任务中的表现。它通过多智能体框架、垂直探索策略及WebWalkerQA数据集，提升模型处理长上下文和多源信息的能力。支持多语言、多领域和多难度任务，适用于信息检索、数据分析和内容监控等场景，具备良好的适应性和可扩展性。

AI项目与工具 2025年06月12日 22 点赞 0 评论 232 浏览

PhotoPrism

PhotoPrism是一款开源的AI照片管理工具，采用Go语言开发，支持用户在本地服务器上运行，确保数据隐私与安全性。它通过AI技术实现照片的智能分类与搜索，涵盖人物、物体和场景识别，还支持RAW、JPG等多种文件格式，提供面部识别、地理标签及WebDAV同步等功能，适用于个人、家庭、企业和教育机构等多样化需求。

AI项目与工具 2025年06月12日 59 点赞 0 评论 231 浏览

EasyAI

EasyAI，产品经理的人工智能学习库，用通俗易懂的方式帮助产品经理快速学习人工智能相关知识，让非技术人群也能快速理解人工智能。

Ai学习资源 2025年06月05日 34 点赞 0 评论 229 浏览

OMNE Multiagent

OMNE Multiagent是一个基于长期记忆技术的大模型多智能体框架，由天桥脑科学研究院开发。它支持多个智能体协同工作，每个智能体能独立学习和理解环境，具备深度慢思考和实时适应能力。OMNE框架通过优化搜索空间和逻辑推理机制，提升了复杂问题的决策效率，并在金融、交通、制造、医疗等领域展现出广泛应用潜力。

AI项目与工具 2025年06月12日 40 点赞 0 评论 227 浏览