需求人群:
"目标受众为需要进行数据生成、工作流自动化和自然语言处理的专业人士和企业。tldraw computer通过提供直观的界面和强大的功能,使得非技术用户也能轻松构建复杂的工作流,从而提高工作效率和创新能力。"
使用场景示例:
故事生成器:利用预构建的工作流快速生成故事内容。
排序机器:自动化数据排序任务,提高数据处理效率。
战斗模拟器:创建复杂的战斗场景,用于游戏设计或策略规划。
发明家:通过组合不同的组件,生成新的发明创意。
产品特色:
创建和连接组件:用户可以在无限画布上自由创建各种组件,并将其相互连接以构建工作流。
运行组件生成数据:每个组件都可以独立运行,以生成或转换数据。
创建分支和循环的工作流:用户可以设计复杂的工作流,包括分支和循环逻辑。
多模态语言模型执行:利用先进的多模态语言模型来理解和执行用户定义的工作流。
预构建工作流示例:提供多个预构建的工作流示例,用户可以快速开始并根据需要进行编辑。
自然语言指令:用户可以通过自然语言指令来控制工作流的执行。
数据生成和转换:支持各种数据的生成和转换,满足不同的业务需求。
使用教程:
1. 访问tldraw computer网站并注册账户。
2. 选择一个预构建的工作流示例或创建一个新的项目。
3. 通过拖放组件到画布上,开始构建自己的工作流。
4. 连接各个组件,定义它们之间的数据流和执行逻辑。
5. 使用自然语言指令来配置组件的行为。
6. 运行工作流,观察数据的生成和转换过程。
7. 根据需要调整和优化工作流,以满足特定的业务需求。
8. 保存并分享你的工作流,或将其作为模板供他人使用。
浏览量:13
自然语言计算的无限画布
tldraw computer是一个实验性项目,由tldraw团队开发,旨在提供一个无限的画布,用户可以在上面创建连接组件的工作流,以生成和转换数据。该产品使用多模态语言模型作为运行时来执行指令,代表了自然语言处理和工作流自动化的前沿技术。它的重要性在于能够简化复杂任务,提高工作效率,并促进创新。tldraw computer背景深厚,由tldraw SDK的开发者打造,该SDK用于无限画布应用,并且与流行的免费协作白板tldraw.com相关联。产品目前免费试用,主要面向需要数据生成和工作流自动化的专业人士和企业。
基于大型语言模型的主动式代理,预测用户需求并主动提供帮助。
ProactiveAgent是一个基于大型语言模型(LLM)的主动式代理项目,旨在构建一个能够预测用户需求并主动提供帮助的智能代理。该项目通过数据收集和生成管道、自动评估器和训练代理来实现这一目标。ProactiveAgent的主要优点包括环境感知、协助标注、动态数据生成和构建管道,其奖励模型在测试集上达到了0.918的F1分数,显示出良好的性能。该产品背景信息显示,它适用于编程、写作和日常生活场景,并且遵循Apache License 2.0协议。
自动化生成高质量函数调用数据集的管道
APIGen是一个自动化的数据生成管道,旨在为函数调用应用生成可验证的高质量数据集。该模型通过三个层次的验证过程确保数据的可靠性和正确性,包括格式检查、实际函数执行和语义验证。APIGen能够规模化、结构化地生成多样化的数据集,并通过实际执行API来验证生成的函数调用的正确性,这对于提升函数调用代理模型的性能至关重要。
Sonus-1:开启大型语言模型(LLMs)的新时代
Sonus-1是Sonus AI推出的一系列大型语言模型(LLMs),旨在推动人工智能的边界。这些模型以其高性能和多应用场景的多功能性而设计,包括Sonus-1 Mini、Sonus-1 Air、Sonus-1 Pro和Sonus-1 Pro (w/ Reasoning)等不同版本,以满足不同需求。Sonus-1 Pro (w/ Reasoning)在多个基准测试中表现突出,特别是在推理和数学问题上,展现了其超越其他专有模型的能力。Sonus AI致力于开发高性能、可负担、可靠且注重隐私的大型语言模型。
从自然语言提示创建B-Rep CAD文件和网格
Text-to-CAD UI是一个利用自然语言提示生成B-Rep CAD文件和网格的平台。它通过ML-ephant API,由Zoo提供支持,能够将用户的自然语言描述直接转化为精确的CAD模型。这项技术的重要性在于它极大地简化了设计过程,使得非专业人士也能轻松创建复杂的CAD模型,从而推动了设计的民主化和创新。产品背景信息显示,它是由Zoo开发的,旨在通过机器学习技术提升设计效率。关于价格和定位,用户需要登录后才能获取更多信息。
开源幻觉评估模型
Patronus-Lynx-8B-Instruct-v1.1是基于meta-llama/Meta-Llama-3.1-8B-Instruct模型的微调版本,主要用于检测RAG设置中的幻觉。该模型经过CovidQA、PubmedQA、DROP、RAGTruth等多个数据集的训练,包含人工标注和合成数据。它能够评估给定文档、问题和答案是否忠实于文档内容,不提供超出文档范围的新信息,也不与文档信息相矛盾。
多模态大型语言模型,展示卓越的整体性能。
InternVL2.5-MPO是一个先进的多模态大型语言模型系列,它基于InternVL2.5和混合偏好优化构建。该模型整合了新增量预训练的InternViT与各种预训练的大型语言模型,包括InternLM 2.5和Qwen 2.5,使用随机初始化的MLP投影器。InternVL2.5-MPO在新版本中保留了与InternVL 2.5及其前身相同的模型架构,遵循“ViT-MLP-LLM”范式。该模型支持多图像和视频数据,通过混合偏好优化(MPO)进一步提升模型性能,使其在多模态任务中表现更优。
70B参数的文本生成模型
Llama-3.1-70B-Instruct-AWQ-INT4是一个由Hugging Face托管的大型语言模型,专注于文本生成任务。该模型拥有70B个参数,能够理解和生成自然语言文本,适用于多种文本相关的应用场景,如内容创作、自动回复等。它基于深度学习技术,通过大量的数据训练,能够捕捉语言的复杂性和多样性。模型的主要优点包括高参数量带来的强大表达能力,以及针对特定任务的优化,使其在文本生成领域具有较高的效率和准确性。
高质量合成数据生成与结构化数据提取工具
Bespoke Curator是一个开源项目,提供了一个基于Python的丰富库,用于生成和策展合成数据。它具备高性能优化、智能缓存和故障恢复功能,并且可以与HuggingFace Dataset对象直接协作。Bespoke Curator的主要优点包括其程序性和结构化输出能力,能够设计复杂的数据生成管道,以及通过内置的Curator Viewer实时检查和优化数据生成策略。
知识增强型故事角色定制的统一世界模型
StoryWeaver是一个为知识增强型故事角色定制而设计的统一世界模型,旨在实现单一和多角色故事可视化。该模型基于AAAI 2025论文,能够通过统一的框架处理故事中角色的定制和可视化,这对于自然语言处理和人工智能领域具有重要意义。StoryWeaver的主要优点包括其能够处理复杂故事情境的能力,以及能够持续更新和扩展其功能。产品背景信息显示,该模型将不断更新arXiv论文,并添加更多实验结果。
ModernBERT是新一代的编码器模型,性能卓越。
ModernBERT是由Answer.AI和LightOn共同发布的新一代编码器模型,它是BERT模型的全面升级版,提供了更长的序列长度、更好的下游性能和更快的处理速度。ModernBERT采用了最新的Transformer架构改进,特别关注效率,并使用了现代数据规模和来源进行训练。作为编码器模型,ModernBERT在各种自然语言处理任务中表现出色,尤其是在代码搜索和理解方面。它提供了基础版(139M参数)和大型版(395M参数)两种模型尺寸,适合各种规模的应用需求。
70B参数的大型量化语言模型
PatronusAI/Llama-3-Patronus-Lynx-70B-Instruct-Q4_K_M-GGUF是一个基于70B参数的大型量化语言模型,使用了4-bit量化技术,以减少模型大小并提高推理效率。该模型属于PatronusAI系列,是基于Transformers库构建的,适用于需要高性能自然语言处理的应用场景。模型遵循cc-by-nc-4.0许可协议,意味着可以非商业性地使用和分享。
一款高效率的2.4亿参数轻量级语言模型
YuLan-Mini是由中国人民大学AI Box团队开发的一款轻量级语言模型,具有2.4亿参数,尽管仅使用1.08T的预训练数据,但其性能可与使用更多数据训练的行业领先模型相媲美。该模型特别擅长数学和代码领域,为了促进可复现性,团队将开源相关的预训练资源。
场景感知的语义导航与指令引导控制模型
SCENIC是一个文本条件的场景交互模型,能够适应具有不同地形的复杂场景,并支持使用自然语言进行用户指定的语义控制。该模型通过用户指定的轨迹作为子目标和文本提示,来导航3D场景。SCENIC利用层次化推理场景的方法,结合运动与文本之间的帧对齐,实现不同运动风格之间的无缝过渡。该技术的重要性在于其能够生成符合真实物理规则和用户指令的角色导航动作,对于虚拟现实、增强现实以及游戏开发等领域具有重要意义。
多模态大型语言模型,展示卓越的整体性能
InternVL2.5-MPO是一个先进的多模态大型语言模型系列,基于InternVL2.5和混合偏好优化构建。该模型集成了新增量预训练的InternViT和各种预训练的大型语言模型,如InternLM 2.5和Qwen 2.5,使用随机初始化的MLP投影器。它支持多图像和视频数据,并且在多模态任务中表现出色,能够理解和生成与图像相关的文本内容。
将文本描述转换成高质量音效的AI技术。
AI Sound Effect Generator是一款革命性的工具,它利用先进的AI技术将书面描述转换成自定义音效。该技术结合了自然语言处理和神经音频合成,以产生高质量的输出。系统使用在大量音频数据集上训练的深度学习模型来理解复杂的音频特征,并生成相应的效果。它适用于需要快速获取自定义音效的内容创作者、游戏开发者和音频专业人士。AI Sound Effect Generator处理详细的描述和上下文信息,创建细腻、层次分明的音频效果,以匹配您的创意愿景。无论是环境氛围、机械噪音、音乐元素还是抽象效果,我们的系统都能准确且保真地生成。这种音频生成方法通过人工智能的力量提供了创意可能性。
轻量级库,用于构建高效能的智能代理
Smolagents是一个轻量级的库,允许用户以几行代码运行强大的智能代理。它以简洁性为特点,支持任何语言模型(LLM),包括Hugging Face Hub上的模型以及通过LiteLLM集成的OpenAI、Anthropic等模型。特别支持代码代理,即代理通过编写代码来执行动作,而不是让代理来编写代码。Smolagents还提供了代码执行的安全选项,包括安全的Python解释器和使用E2B的沙箱环境。
一款具有671B参数的Mixture-of-Experts语言模型。
DeepSeek-V3是一个强大的Mixture-of-Experts (MoE) 语言模型,拥有671B的总参数量,每次激活37B参数。它采用了Multi-head Latent Attention (MLA) 和 DeepSeekMoE架构,这些架构在DeepSeek-V2中得到了充分的验证。此外,DeepSeek-V3首次采用了无辅助损失的负载均衡策略,并设置了多令牌预测训练目标,以实现更强大的性能。DeepSeek-V3在14.8万亿高质量令牌上进行了预训练,随后进行了监督式微调和强化学习阶段,以充分利用其能力。综合评估显示,DeepSeek-V3超越了其他开源模型,并达到了与领先的闭源模型相当的性能。尽管性能出色,DeepSeek-V3的完整训练仅需要2.788M H800 GPU小时,并且训练过程非常稳定。
一站式大模型算法、模型及优化工具开源项目
FlagAI是由北京智源人工智能研究院推出的一站式、高质量开源项目,集成了全球各种主流大模型算法技术以及多种大模型并行处理和训练加速技术。它支持高效训练和微调,旨在降低大模型开发和应用的门槛,提高开发效率。FlagAI涵盖了多个领域明星模型,如语言大模型OPT、T5,视觉大模型ViT、Swin Transformer,多模态大模型CLIP等。智源研究院也持续将“悟道2.0”“悟道3.0”大模型项目成果开源至FlagAI,目前该项目已经加入Linux基金会,吸引全球科研力量共同创新、共同贡献。
深度推理翻译模型,通过长思考链优化神经机器翻译。
DRT-o1是一个神经机器翻译模型,它通过长思考链的方式优化翻译过程。该模型通过挖掘含有比喻或隐喻的英文句子,并采用多代理框架(包括翻译者、顾问和评估者)来合成长思考的机器翻译样本。DRT-o1-7B和DRT-o1-14B是基于Qwen2.5-7B-Instruct和Qwen2.5-14B-Instruct训练的大型语言模型。DRT-o1的主要优点在于其能够处理复杂的语言结构和深层次的语义理解,这对于提高机器翻译的准确性和自然性至关重要。
开源的端到端视觉语言模型(VLM)基础的GUI代理
CogAgent是一个基于视觉语言模型(VLM)的GUI代理,它通过屏幕截图和自然语言实现双语(中文和英文)交云。CogAgent在GUI感知、推理预测准确性、操作空间完整性和任务泛化方面取得了显著进步。该模型已经在ZhipuAI的GLM-PC产品中得到应用,旨在帮助研究人员和开发者推进基于视觉语言模型的GUI代理的研究和应用。
先进的多模态大型语言模型
InternVL2_5-2B-MPO是一个多模态大型语言模型系列,展示了卓越的整体性能。该系列基于InternVL2.5和混合偏好优化构建。它集成了新增量预训练的InternViT与各种预训练的大型语言模型,包括InternLM 2.5和Qwen 2.5,使用随机初始化的MLP投影器。该模型在多模态任务中表现出色,能够处理包括图像和文本在内的多种数据类型,适用于需要理解和生成多模态内容的场景。
多模态大型语言模型,提升视觉和语言的综合理解能力
InternVL2_5-1B-MPO是一个多模态大型语言模型(MLLM),它基于InternVL2.5和混合偏好优化(MPO)构建,展示了优越的整体性能。该模型集成了新增量预训练的InternViT与各种预训练的大型语言模型(LLMs),包括InternLM 2.5和Qwen 2.5,使用随机初始化的MLP投影器。InternVL2.5-MPO在模型架构上保留了与InternVL 2.5及其前身相同的“ViT-MLP-LLM”范式,并引入了对多图像和视频数据的支持。该模型在多模态任务中表现出色,能够处理包括图像描述、视觉问答等多种视觉语言任务。
视频分析工具,结合Llama视觉模型和OpenAI Whisper进行本地视频描述生成。
video-analyzer是一个视频分析工具,它结合了Llama的11B视觉模型和OpenAI的Whisper模型,通过提取关键帧、将它们输入视觉模型以获取细节,并结合每个帧的细节和可用的转录内容来描述视频中发生的事情。这个工具代表了计算机视觉、音频转录和自然语言处理的结合,能够生成视频内容的详细描述。它的主要优点包括完全本地运行无需云服务或API密钥、智能提取视频关键帧、使用OpenAI的Whisper进行高质量音频转录、使用Ollama和Llama3.2 11B视觉模型进行帧分析,以及生成自然语言描述的视频内容。
70亿参数的文本生成模型
Llama-lynx-70b-4bitAWQ是一个由Hugging Face托管的70亿参数的文本生成模型,使用了4-bit精度和AWQ技术。该模型在自然语言处理领域具有重要性,特别是在需要处理大量数据和复杂任务时。它的优势在于能够生成高质量的文本,同时保持较低的计算成本。产品背景信息显示,该模型与'transformers'和'safetensors'库兼容,适用于文本生成任务。
高性能的量化语言模型
PatronusAI/glider-gguf是一个基于Hugging Face平台的高性能量化语言模型,采用GGUF格式,支持多种量化版本,如BF16、Q8_0、Q5_K_M、Q4_K_M等。该模型基于phi3架构,拥有3.82B参数,主要优点包括高效的计算性能和较小的模型体积,适用于需要快速推理和低资源消耗的场景。产品背景信息显示,该模型由PatronusAI提供,适合需要进行自然语言处理和文本生成的开发者和企业使用。
AI 编码助理,提升软件开发和交付速度
Gemini Code Assist 是 Google Cloud 提供的一款 AI 编码助理,它通过生成式 AI 协助、企业安全和隐私保护机制,帮助提升软件开发和交付速度。该产品利用数十亿行开源代码、安全数据以及 Google Cloud 文档和示例代码进行微调,为开发者在其 IDE 和 Google Cloud 服务中提供代码补全、代码生成、自然语言聊天等功能。它支持多种编程语言,并集成了 Google Cloud 的多种服务,如 Firebase、Colab Enterprise、Databases、BigQuery、Apigee 和 Application Integration。
大规模生成多样且具有挑战性的心理理论数据的框架
ExploreToM是由Facebook Research开发的一个框架,旨在大规模生成多样化和具有挑战性的心理理论数据,用于强化大型语言模型(LLMs)的训练和评估。该框架利用A*搜索算法在自定义的领域特定语言上生成复杂的故事结构和新颖、多样化且合理的情景,以测试LLMs的极限。
© 2024 AIbase 备案号:闽ICP备08105208号-14