自动化

PaliGemma 2

PaliGemma 2是一款由Google DeepMind研发的视觉语言模型(VLM),结合了SigLIP-So400m视觉编码器与Gemma 2语言模型,支持多种分辨率的图像处理。该模型具备强大的知识迁移能力和出色的学术任务表现,在OCR、音乐乐谱识别以及医学图像报告生成等方面实现了技术突破。它能够处理多模态任务,包括图像字幕生成、视觉推理等,并支持量化和CPU推理以提高计算效率。

Optimus

Optimus-1是一款由哈尔滨工业大学(深圳)和鹏城实验室联合开发的智能体框架,专为开放世界环境中的长期任务设计。它结合结构化知识与多模态经验,通过混合多模态记忆模块(HDKG与AMEP)提升任务规划与执行能力。主要功能包括知识引导规划、经验驱动反思、行动控制及自我进化,已在游戏、虚拟助理、工业自动化等领域得到验证。

O1

O1-CODER是一款由北京交通大学研究团队开发的开源编码工具,专精于编程任务。它通过结合强化学习和蒙特卡洛树搜索技术,实现了从伪代码到完整代码的生成,并通过测试用例生成器和过程奖励模型优化代码质量。该工具支持自动化代码生成、代码质量提升、教育辅助以及软件测试等多种应用场景。

Project Mariner

Project Mariner是一款由谷歌DeepMind研发的浏览器助手工具,依托Gemini 2.0技术实现浏览器自动化。该工具能够解析并操作网页内容,涵盖像素、文本、图像及表单等多种形式的数据,支持复杂任务处理与自动化流程管理。此外,它强调用户体验与安全性,在执行关键操作时需获得用户授权。主要应用场景包括数据整理、在线购物、旅行规划及日常消费等领域。

postiz

Postiz是一款多功能AI社交媒体管理工具,支持多平台内容发布、AI辅助内容创作、图像设计及数据分析。它适用于个人创作者、小型企业、大型企业和代理机构,提供从内容规划到策略优化的全面解决方案,助力提升品牌影响力和市场竞争力。

ChatMCP

ChatMCP是一款基于模型上下文协议(MCP)的AI聊天客户端,支持与多种大型语言模型(LLM)交互。它提供自动化安装MCP服务器、SSE传输支持、自动选择服务器及聊天记录管理等功能,并通过MCP服务器市场实现与不同数据源的聊天。用户可配置LLM API密钥和端点,界面友好且功能强大,适用于客户服务、个人助理、教育学习、企业内部沟通及信息检索等多种场景。

RDT

RDT是清华大学AI研究院推出的一款双臂机器人操作任务扩散基础模型,拥有十亿参数量,可自主完成复杂任务,如调酒和遛狗。该模型基于模仿学习,具备强大的泛化能力和操作精度,支持多种模态输入和少样本学习。RDT已在餐饮、家庭、医疗、工业及救援等领域展现广泛应用前景,推动机器人技术发展。

reclaimai

ReclaimAI是一款基于人工智能的智能日程管理工具,提供自动化日程安排、日历集成、任务管理和智能提醒等功能,帮助用户优化时间管理并提升工作效率。适用于个人、团队及大型项目的日程协调,支持多种日历系统和跨时区会议安排,具有高度灵活性和多功能性。

Hoppy Copy

[Hoppy Copy 是一款专注于提升电子邮件营销效果的人工智能工具,提供 AI 文案生成、编辑优化、通讯制作、序列规划及竞争对手分析等功能。通过 AIDA 框架的应用,它可以生成引人注目的产品描述和标题,同时支持内容重用并兼容 Facebook 和 Google Ads 广告文案创作,助力品牌高效实现营销目标。]

Large Action Models

Large Action Models(LAMs)是微软开发的一种智能系统框架,专注于执行真实世界任务。它通过整合数据收集、模型训练、环境交互和评估等阶段,将语言理解转化为具体行动,提升了AI在自动化和增强人类能力方面的影响力。LAMs具备动态规划、自主执行和专业化训练等特点,广泛应用于办公自动化、智能家居管理、客户服务、电子商务等领域。 ---