推理速度提升 1.7 倍，vLLM v1 版本发布！超 4k 标注步骤，首个多模态逐步推理基准 VRC-Bench 上线

上个月，在大模型推理需求激增的背景下，AI 大模型推理框架 vLLM 正式迎来 v1.0 版本，相比之前版本，计算效率显著优化，API 设计更加稳定，充分释放硬件潜力，推理速度提升 1.7 倍！为百亿参数模型的高效部署提供了更强大的支持。

目前，hyper.ai 超神经官网已上线 vLLM 入门教程，带你从安装到运行，快速掌握 vLLM！

vLLM 入门教程：https://go.hyper.ai/qHl62

更多 vLLM 中文文档及教程可访问 → https://vllm.hyper.ai

2 月 5 日-2 月 14 日，hyper.ai 官网更新速览：

* 优质公共数据集：10 个

* 优质教程精选：6 个

* 社区文章精选：5 篇

* 热门百科词条：5 条

* 2 月截稿顶会：3 个

访问官网：hyper.ai

1. VRC-Bench 视觉推理基准测试数据集

该数据集涵盖了 8 个不同领域的挑战，包括视觉推理、数学与逻辑推理、科学推理、文化和社会理解等，含超过 4k 个手动验证的推理步骤，能够全面评估模型在多步推理中的准确性和逻辑连贯性。

直接使用：https://go.hyper.ai/AV43N

数据示例

2. Terra 多模态时空数据集

Terra 是一个覆盖全球的多模态时空数据集，提供了全球范围内 45 年的时空数据，涵盖 648 万个高分辨率网格点，旨在促进时空数据挖掘的未来研究，推动实现更广泛的时空智能。

直接使用：https://go.hyper.ai/9eev3

Terra 的不同模态组件

3. PokerBench 扑克游戏评估数据集

该数据集包含 11k 个关键场景，分为 1k 个前翻牌和 10k 个后翻牌场景，涵盖了广泛的游戏情况，旨在评估大型语言模型 (LLMs) 在复杂、战略性的扑克游戏中的表现。

直接使用：https://go.hyper.ai/HK73H

数据概览

4. China City Attraction Details 中国城市旅游景点信息数据集

该数据集包含中国 352 个城市的旅游景点数据，每个城市的 csv 文件包含 100 个地点，数据包括地点名称、网址、地址、景点介绍、开放时间、图片网址、评分、建议游玩时长、建议游玩季节、门票信息、小贴士等信息。

直接使用：https://go.hyper.ai/uZ5Wh

5. GF-Minecraft 游戏视频数据集

该数据集通过执行预定义的随机动作序列，收集了 70 小时的游戏视频，并进行了动作注释。数据集预配置了 3 种生物群落（森林、平原、沙漠）、3 种天气条件（晴朗、雨天、雷暴）和 6 种时间段（例如日出、中午、午夜），生成了超过 2k 个视频片段。

直接使用：https://go.hyper.ai/25DAe

6. NCIFD 民族文化微调数据集

该数据集是一个面向大模型的民族文化微调数据集，包含 151,159 条数据，涵盖建筑、服饰、工艺、饮食、礼仪、语言、习俗 7 大领域的内容。

直接使用：https://go.hyper.ai/Vd6ZP

7. AceMath Instruct Training Data 数学推理数据集

该数据集是由 NVIDIA 于 2025 年发布的一个用于训练 AceMath 模型的数据集，旨在提升模型在数学推理任务中的表现。

直接使用：https://go.hyper.ai/pT5Tr

8. ComplexFuncBench 复杂函数调用评估数据集

该数据集涵盖了 5 个现实场景中的 1k 个复杂函数调用样本，其中单域样本 600 个，酒店、航班、租车、景点各 150 个，跨域样本 400 个。出租车域只有 2 个函数，所以只用于跨域。

直接使用：https://go.hyper.ai/v0p4c

9. TravelPlanner 旅行计划数据集

该数据集包含 1,225 个精心策划的规划意图和参考计划。数据集以旅行规划为背景，要求语言代理根据给定的查询生成全面的旅行计划，包括交通、每日餐食、景点和住宿等内容。

直接使用：https://go.hyper.ai/22AhZ

10. Aqueous Solubility Data 无机化合物数据集

该数据集包含数百种无机化合物的实验水溶性数据，数据来源于多个参考文献，适用于材料信息学领域。所有溶解度数据均以每 100 克水中的溶质克数为单位表示。

直接使用：https://go.hyper.ai/dqL1y

1. vLLM 入门教程：零基础分步指南

vLLM 是一款专为大语言模型推理加速而设计的框架，其依靠卓越的推理效率和资源优化能力在全球范围内引发广泛关注。研究人员构建了高吞吐量的分布式 LLM 服务引擎 vLLM，实现了 KV 缓存内存几乎零浪费，解决了大语言模型推理中的内存管理瓶颈问题。

本教程中将逐步展示如何配置和运行 vLLM，提供从安装到启动的完整入门指南。点击下方链接，按照教程指引即可部署 vLLM。

在线运行：https://go.hyper.ai/qHl62

部署 vLLM 

2. 一键部署 Qwen2.5-Coder

Qwen2.5-Coder 是一款具备强大代码生成能力的人工智能助手，支持逻辑清晰且语法规范的代码输出，并提供 Artifacts 功能，帮助用户快速构建和实现各种视觉化项目。在迷你游戏开发方面，Qwen2.5-Coder 能够根据游戏规则、画面风格和用户体验要求生成游戏代码，开发者可以在此基础上进行定制和优化，快速推出自己的游戏作品。

该项目通过 Gradio 接口可以生成前端交互界面，相关模型和依赖已经部署完毕，一键启动即可对模型输入指令，生成所需代码。

在线运行：https://go.hyper.ai/JVOTN

模型对话示例

3.GLM-4-Voice 端到端中英语音对话模型

GLM-4-Voice 是一个端到端语音模型，它能够直接理解和生成中英文语音，进行实时语音对话，并遵循用户的指令要求改变语音的情感、语调、语速、方言等属性。

进入官网克隆并启动容器，直接复制 API 地址，即可与模型对话。

在线运行：https://go.hyper.ai/s4MId

Demo 示例

4. Linly-Dubbing 一键视频下载+翻译+配音+字幕

Linly-Dubbing 是一个智能视频多语言 AI 配音和翻译工具，它能够自动将视频内容翻译成多种语言，并生成字幕。

点击下方链接，立即开启创作之旅，实现视频多语言 AI 配音与翻译。

在线运行：https://go.hyper.ai/xEAzn

功能预览

5. DrawingSpinUp：2D 角色绘画→ 3D 动画

DrawingSpinUp 是一项创新的 3D 动画生成技术，其核心在于将平面的角色绘画转化为具有 3D 效果的动态动画，同时精心保留原始艺术作品的风格和特征。

按照教程步骤操作，即可生成真实细致的 3D 动画。

在线运行：https://go.hyper.ai/H9fV1

Demo 示例

6. Whisper-large-v3-turbo 语音识别、翻译 Demo

Whisper 是一种通用语音识别模型。它基于大量多样化音频数据集进行训练，可以执行多语言语音识别和语音翻译等多任务。

该教程为 whisper-large-v3-turbo 一键部署教程，在质量几乎没有下降的情况下，它的速度比 whisper-large-v3 快 8 倍。相关环境和依赖已经安装完毕，一键克隆启动即可体验。

在线运行：https://go.hyper.ai/3P9nk

Demo 示例

💡我们还建立了 Stable Diffusion 教程交流群，欢迎小伙伴们扫码备注【SD教程】，入群探讨各类技术问题、分享应用效果~

1. 获英伟达/三星投资，Generate 创造出超 100 万种蛋白质，开发从头设计的生成式模型

AI 生物医药公司 Generate: Biomedicines 因其独特的可编程生物学平台，不仅将人工智能深度融入蛋白质工程，还帮助科学家针对传统难以成药的靶点设计出更高效的解决方案。近日，Generate 宣布获得来自三星科学生命基金的战略投资，其背后的意义不言而喻。本文是该公司的详细报道，点击速看。

查看活动回顾：https://go.hyper.ai/fVtKK

2. 甲骨实物高保真数据归国，AI 助力古文释读，发现甲骨新图像

近年来，AI 在古文研究领域逐渐得到了更加深度的应用。2024 年 6 月，安阳师范学院，联合华中科技大学、华南理工大学等，提出了一种针对甲骨文破译优化的条件扩散模型，成果不仅入选 ACL 2024，还成功获评最佳论文。由此可见，AI 正在加速研究人员工作效率，更多 AI 如何释读甲骨文，详情如下。

查看完整报道：https://go.hyper.ai/xzw4c

3. 10 大中文医学数据集汇总：涵盖神农中医药、中医药古籍、医学推理、医学问答……

医疗人工智能的快速发展离不开高质量数据集的支持。从疾病诊断到药物研发，再到个性化医疗，数据集在推动机器视觉、大模型等应用于医学领域中发挥着不可或缺的作用。本文整理了医学领域的 10 个数据集，涵盖神农中医药、中医药古籍、医学推理、医学问答等，可以直接点击下载。

查看完整报道：https://go.hyper.ai/NHlJ0

4. 成功率可达 100%，药物开发公司 Cellarity 联手英伟达，基于强化学习优化靶向分子

人工智能的飞速发展给药物发现带来了新的可能。近日，生命科学公司 Cellarity 和英伟达的研究人员共同提出了一种新颖的基于潜在强化学习的靶向分子优化方法 MOLRL，在药物发现相关任务中，该方法表现出优越性能，特别是在针对性分子生成和多参数优化方面。本文是该论文的详细解读和分享。

查看完整报道：https://go.hyper.ai/YBhnM

5. 南开大学郑伟教授：AlphaFold 并不完美，学术界尚有「弯道超车」的机会

在「Meet AI4S」系列直播的第六期中，南开大学统计与数据科学学院教授郑伟教授，向大家分享了 AlphaFold 的局限和未来优化方向、以及学术界还有哪些值得探讨的算法和研究课题等。更多详情见下文。

查看完整报道：https://go.hyper.ai/YgCip

1.  倒数排序融合 RRF

2. 模型参数 Model Parameters

3. Kolmogorov-Arnold 表示定理

4. 大规模多任务语言理解 MMLU

5. 对比学习 Contrastive Learning

这里汇编了数百条 AI 相关词条，让你在这里读懂「人工智能」：

https://go.hyper.ai/wiki

一站式追踪人工智能学术顶会：https://go.hyper.ai/event

以上就是本周编辑精选的全部内容，如果你有想要收录 hyper.ai 官方网站的资源，也欢迎留言或投稿告诉我们哦！

下周再见！