Apple ml-sharp（SHARP）开源解读：单张照片秒级生成 3D Gaussian Splat 的新视角合成方案
一、摘要 ml-sharp 是 Apple 开源的 SHARP 项目代码与模型配套实现，目标是从单张图片直接回归 3D Gaussian（3DGS）场景表示，并在标准 GPU 上做到“不到 1 秒”的推理生成。生成的 3DGS 可被实时渲染，用于附近视角的高分辨率新视角合成，并强调“可度量（metr...
Admin •
616
MAI-UI 开源解读：通用 GUI 智能体基座如何实现“可交互 + 可调用工具 + 端云协同”
一、摘要 MAI-UI 是 Tongyi-MAI（通义实验室）开源的通用 GUI 智能体基座与配套代码，面向“看屏幕—理解指令—操作界面”的自动化任务。项目强调真实部署所需的三类能力：与用户的主动澄清交互（ask_user）、通过 MCP 调用外部工具（mcp_call）、以及端云协同的执行架构（在...
Admin •
245
MiniMax M2.1 开源权重发布：面向真实开发与智能体的 MoE 编程模型解读
一、摘要 MiniMax M2.1 是 MiniMax 发布的开源权重大模型，主打“真实软件开发 + 智能体（Agent）”场景，重点强化编码鲁棒性、工具调用、指令遵循与长链路规划，并提供本地部署与工具调用指南；模型权重在 Hugging Face 公开，许可证为 Modified-MIT。 二、核...
Admin •
166
QwenLong-L1.5 vs RAG：长文档多跳推理、数据合成与记忆代理对比
一、摘要 QwenLong-L1.5 是通义智文团队在 Qwen-Doc 仓库中开源的一套“长上下文推理 + 记忆管理”后训练方案（post-training recipe）。它围绕三件事展开：面向长文档的复杂推理数据合成、面向长序列的强化学习稳定训练方法（AEPO 等）、以及在超出物理上下文窗口时...
Admin •
142
GLM-4.7 开源发布解读：编码、推理与工具调用能力升级
一、摘要 GLM-4.7 是 zai-org 发布的开源权重大语言模型。官方信息显示，它相较 GLM-4.6 在编码能力、复杂推理与多步工具使用方面有较大提升，同时也增强了对话、创意写作与角色扮演等通用场景表现。实际效果会受提示词、工具链稳定性与部署配置影响，建议结合你的真实任务做回归评测。 二、核...
Admin •
258
Bloom 开源工具解读：自动生成 LLM 行为评估，用 Seed 复现实验
一、摘要 Bloom 是一套开源的 LLM 行为评估生成框架：研究者只需定义“目标行为”和一份可复现的 Seed 配置，Bloom 会自动生成大量诱发场景并与目标模型交互，再由评审模型对行为出现频率与强度打分，输出可汇总的指标与报告，适合快速搭建可扩展的行为评测。 二、核心特性 1、以“行为”为中心...
Admin •
112
Qwen-Image-Layered 开源解读：把一张图拆成可编辑 RGBA 图层的“原生分层”模型
一、摘要 Qwen-Image-Layered 是 Qwen 团队开源的图像“层分解”模型：输入一张普通 RGB 图片，输出多张彼此物理隔离的 RGBA 图层。与常见的“在同一张扁平图上做编辑”不同，它把主体与结构拆到独立层，使得重着色、移动、缩放、删除等基础操作更接近设计软件的无损流程，并支持把某...
Admin •
346
MiniMax 开源 VTP：可扩展预训练让 Visual Tokenizer 直接提升 DiT 生成质量
一、摘要 VTP（Visual Tokenizer Pre-training）是 MiniMax（Hailuo）团队开源的视觉 tokenizer 预训练框架，面向扩散模型与 Diffusion Transformer（DiT）等下一代生成模型。项目指出传统“仅重建”的 tokenizer 训练会让...
Admin •
130