AI教程
Chirp 3 – 谷歌云推出的高清语音合成模型
Chirp 3 是谷歌云推出的高清语音合成模型，专为生成自然、生动的语音而设计。支持 248 种声音和 31 种语言，能捕捉人类语调的细微差别，语音输出更加贴近真实人类发音。
什么是生成式人工智能（Generative AI）
生成式人工智能（Generative AI）是能基于已有数据创造性地生成新内容的人工智能技术。在多个领域有着广泛的应用，包括文本生成、图像生成、音频和视频生成等。随着深度学习技术的发展和计算硬件的提升，生成式人工智能取得了显著的进展，特别是在自然语言处理领域，以ChatGPT为代表的生成式对话模型取得了令人惊艳的效果。
什么是对比语言-图像预训练（Contrastive Language-Image Pretraining, CLIP）
对比语言-图像预训练（Contrastive Language-Image Pretraining, CLIP）是OpenAI开发的一种多模态预训练神经网络模型，通过对比学习的方法，实现了图像与文本之间的有效映射和关联。CLIP模型包含两个独立的编码器：一个用于处理图像，另一个用于处理文本，这两个编码器分别将图像和文本转换为高维特征向量，通过计算这些特征向量之间的相似度来评估图像和文本之间的关联程度。
LangManus – AI自动化框架，多智能体协同完成复杂任务
LangManus 是 AI 自动化框架，基于分层多智能体系统设计。包含多种智能体，如协调员、规划员、研究员、程序员等，各司其职，协同完成复杂任务。框架支持多种开源语言模型，如通义千问，兼容 OpenAI API 接口，能根据任务复杂度灵活调用不同层级的模型。
Cube 3D – Roblox 推出的 AI 3D 生成模型
Cube 3D 是 Roblox 推出的AI 3D生成大模型，基于 AI 技术高效生成 3D 模型和环境。Cube 3D支持直接从文本描述生成完整的 3D 对象，与游戏引擎兼容。Cube 3D能提高 3D 创作效率，减少手动建模时间，帮助开发者快速生成道具或设计空间。
什么是大模型幻觉（Hallucinations of large models）
大模型幻觉（Hallucinations of large models）指的是模型生成的内容与现实世界事实或用户输入不一致的现象。
SmolDocling – 轻量级的多模态文档处理模型
SmolDocling（SmolDocling-256M-preview ）是高效轻量级的多模态文档处理模型。能将文档图像端到端地转换为结构化文本，支持文本、公式、图表等多种元素识别，适用于学术论文、技术报告等多类型文档。
什么是具身智能（Embodied Intelligence, EI）
具身智能（Embodied Intelligence, EI）是一个多学科交叉的研究领域，它涉及认知科学、人工智能、机器人技术、神经科学等多个领域。具身智能的核心观点是，智能不仅仅是大脑的产物，而是智能体（如人类、动物或机器人）的身体与环境互动的结果。
什么是训练数据（Training Data）
训练数据（Training Data）是机器学习过程中用于构建预测模型的数据集。包含了一系列的输入特征和相应的目标输出，这些数据被用来让模型学习如何根据特征进行预测或决策。训练数据是机器学习模型学习的基础，通过训练数据，模型可以学习如何将输入映射到输出，捕捉数据中的模式。
GR00T N1 – 英伟达开源的人形机器人基础模型
GR00T N1 是英伟达推出的全球首个开源基础模型，专为通用人形机器人设计。基于多模态输入（如语言和图像）实现多样化环境中的操作任务。GR00T N1 基于大规模人形机器人数据集训练，结合真实数据、合成数据和互联网视频数据，用后训练适应特定机器人形态、任务和环境。GR00T N1 基于双系统架构，视觉-语言模型负责推理和规划，扩散变换器则生成精确动作。