ICLR 2025 Ross: 多模态大模型的 MAE 时刻？
本文介绍了一篇关于Reconstructive Visual Instruction Tuning (Ross)的工作，该方法通过引入视觉监督来提升多模态大模型的细粒度理解能力，并显著减少幻觉现象。该方法已成功应用于多个基准测试中，与现有技术相比表现出色。
开源
Math-To-Manim：基于 DeepSeek AI 的数学动画生成器
Math-To-Manim 是基于 DeepSeek AI 的数学动画生成器，使用 Manim 库自动化转换复杂数学概念为高质量动画。
3.1K Star！超酷的STT语音转文字神器！支持实时转录、唤醒词激活！
RealtimeSTT是一款开源工具，专注于实时将语音转录为文字。它提供智能体验如语音活动检测和唤醒词激活功能，简化录音控制，并支持多种用法场景。
另一个国产AI开源“猛兽”：400万tokens上下文的MiniMax-01模型，来了！
木易在公众号分享MiniMax-01系列模型的相关信息，包括通用文本模型和多模态模型的基本参数、性能测试结果以及使用方式等，并介绍了MiniMax在国内及海外的两个核心产品：星野和海螺AI。
微软开源AI Agent大更新，重塑智能体！多层级更强架构
微软发布AutoGen 0.4版本，支持异步消息传递、模块化和可观测性等功能。新增的Magentic-One多层级AI Agent架构实现跨专业协调任务。
一个开源的AI数据分析工具，与数据对话，一键生成SQL、图表、表格、报告和智能商业分析。
WrenAI是一个开源AI智能代理，让用户能够通过文本与数据对话，实现从文本到SQL的转换，生成图表、电子表格、报告以及商业智能分析。它支持多种语言，提供智能数据探索功能，并能轻松地将数据导出至Excel和Google表单等工具。
Diffbot LLM Inference Server：智能推理服务器
Diffbot LLM Inference Server 提升语言模型准确性和实用性，通过微调LLama 3.3实现超越Google Gemini和ChatGPT。具备实时网页解析、精准引用追踪等六大核心能力。