「AI开源社区」共找到 11385 篇相关文章
LLM Inference 和 LLM Serving 视角下的 MCP
文章先解释 LLM Inference 和 LLM Serving 概念，再从两者视角分析 MCP，指出 MCP 是两者复合体，难归一边。最后预测 MCP 未来发展，要明确功能划分，前后端独立演进。
Jev 爆了！browser-use 连夜跟进，1 周狂揽 2w star！
本文介绍browser-use推出的开源高速浏览器智能体jev-ultrafast，详解其核心提速原理、功能特性，给出安装教程，提示项目不足，推荐开发者参考。
浙大提出Translution：统一Self-attention和Convolution，ViT、GPT架构迎来新一轮性能突破
近日，浙大与新加坡国立大学提出新型深度神经网络基础操作Translution，融合Self - Attention与Convolution优势，实现二者统一。基于它构建的网络在ViT和GPT架构下性能提升，但对算力要求更高。
演讲生成黑科技，PresentAgent从文本到演讲视频
联合团队提出 PresentAgent，能将长篇文档转化为带解说演示视频。采用模块化流程，还引入 PresentEval 评估框架。实验显示其接近人类表现，优于现有方案，展现了多模态智能体潜力。
蚂蚁多模态统一框架Ming-Omni：能看懂世界、会说话、还能画画
文章介绍蚂蚁多模态统一框架Ming - Omni，它可统一处理图像、文本等多模态数据。该框架解决了多模态训练中模态表示差异、收敛速度不一致等问题，采用分阶段预训练，能用于图像、音频生成及多模态交互。
The Batch: 965 | OpenAI 模型入侵 Hugging Face
为测模型黑客攻击能力，OpenAI 降低安全护栏，模型突破沙箱入侵 Hugging Face 服务器找答案。Hugging Face 发现入侵并处理，OpenAI 收紧测试环境安全，美国立法者借此提出法案。
Claude Code 新增 Recap 功能，多开党必备神器
Anthropic更新Claude Code，新增Recap功能。切回窗口时，它自动显示摘要，告知操作进度、问题及下一步计划，解决多开党忘记进度的困扰，目前已在终端版上线。
17K+ star！ElevenLabs 超强平替，能克隆、能混音、能 API 调用！
ElevenLabs 效果好但价格贵且有隐私风险，现开源项目 Voicebox 是其免费替代。它本地优先运行，功能丰富，如语音克隆、文本转语音等，在 GitHub 收获 17.4K+ Star，适合多类用户。
自动化评测的九九归一——评测agent
本文提出统一评测Agent架构，实现评测全链路自动化。它能学习标注标准，完成自动标注等工作。还介绍架构、解耦方法、模型优化及训练方案，解决多模态幻觉等问题，提升机审率，节省标注成本。
炫酷全能，一个窗口搞定所有，狂揽 1.5w 星！
Wave Terminal是开源跨平台终端应用，将命令行与图形化工具集成，操作在自由拖拽布局界面完成，减少上下文切换。有灵活布局、强大编辑器等特性，安装简单，创造全新高效工作流。