每日 AI 项目与应用实例

AVD2 是由清华大学联合多所高校推出的自动驾驶事故视频理解与生成框架，结合视频生成与事故分析，生成高质量的事故描述、原因分析和预防措施，显著提升自动驾驶系统的安全性和可靠性。

Kiss3DGen是一个创新的3D资产生成框架，通过重新利用预训练的2D图像扩散模型，高效生成、编辑和增强3D对象，支持文本到3D、图像到3D等多种生成任务。

SpatialVLA 是由上海 AI Lab、中国电信人工智能研究院和上海科技大学等机构共同推出的新型空间具身通用操作模型，基于百万真实数据预训练，赋予机器人强大的3D空间理解能力，支持跨平台泛化控制

ART 是一种新型的多层透明图像生成技术，支持根据全局文本提示和匿名区域布局生成多个独立的透明图层，具有高效的生成机制和强大的透明度处理能力。

NotaGen 是由中央音乐学院、北京航空航天大学、清华大学等机构联合推出的音乐生成模型，基于模仿大型语言模型的训练范式，能够生成高质量的古典乐谱。该模型通过预训练、微调和强化学习相结合的方式，显著提

Proxy Lite 是一款开源的轻量级视觉语言模型，支持自动化网页任务，能够像人类一样操作浏览器，完成网页交互、数据抓取、表单填写等重复性工作，显著降低自动化成本。

OmniAlign-V 是由上海交通大学、上海AI Lab等机构联合推出的高质量多模态数据集，旨在提升多模态大语言模型与人类偏好的对齐能力。该数据集包含约20万个多模态训练样本，涵盖自然图像和信息图表

Fractal Generative Models 是麻省理工学院与 Google DeepMind 团队推出的新型图像生成方法，基于分形思想，通过递归调用模块构建自相似架构，显著提升计算效率，适用于

CogView4 是智谱推出的开源文生图模型，支持中英双语输入和任意分辨率图像生成，特别优化了中文文字生成能力，适合广告、创意设计等场景。

PRefLexOR 是 MIT 团队推出的新型自学习 AI 框架，结合偏好优化和强化学习，通过递归推理和多步反思，动态生成知识图谱，支持跨领域推理和自主学习。

Probly 是一款结合电子表格功能与 Python 数据分析能力的 AI 工具，支持在浏览器中运行 Python 代码，提供交互式电子表格、数据可视化和智能分析建议，适合需要强大数据分析功能又希望操

ViDoRAG 是阿里巴巴通义实验室联合中国科学技术大学和上海交通大学推出的视觉文档检索增强生成框架，基于多智能体协作和动态迭代推理，显著提升复杂视觉文档的检索和生成效率。

MiniMind 是一个开源的超小型语言模型项目，帮助开发者以极低成本从零开始训练自己的语言模型，最小版本仅需25.8M参数，适合在普通个人GPU上快速训练。

Shandu 是一款开源的 AI 研究自动化工具，结合 LangChain 和 LangGraph 技术，能够自动化地进行多层次信息挖掘和分析，生成结构化的研究报告，适用于学术研究、市场分析和技术探索

SepLLM 是一个用于加速大语言模型的高效框架，通过压缩段落信息并消除冗余标记，显著提高了模型的推理速度和计算效率，适用于长文本处理和多场景部署。

Story-flicks 是一款基于AI大模型的视频生成工具，支持一键生成包含图像、文本、音频和字幕的高清故事短视频，适用于教育、内容创作、广告营销等多个领域。

WhisperChain 是一款基于 Whisper.cpp 和 LangChain 的开源语音识别工具，能够实时将语音转换为文本，并自动清理和优化文本内容，适用于会议记录、写作辅助等多种场景。

AI-Infra-Guard 是腾讯开源的高效、轻量级 AI 基础设施安全评估工具，支持 28 种 AI 框架指纹识别和 200 多个安全漏洞数据库，帮助用户快速检测和修复 AI 系统中的安全风险。

VideoFusion 是一款开源的AI视频剪辑工具，支持自动去除视频黑边、水印和字幕，提供批量处理、画质提升等功能，适合视频创作者和自媒体运营者使用。

Mahilo 是一个灵活的多智能体框架，支持创建与人类互动的多智能体系统，适用于从客户服务到紧急响应等多种场景。