AI 研究技能与智能体

Integrated Gradients

keras-io · 工具包

在 Gradio 页面里用积分梯度方法显示图片的哪些部分推动了模型的预测，附带一张大象照片可以试，适合机器学习学习者和研究人员。

ESPNet2 ASR Librispeech word vs bpe tokens

jkang · 工具包

在 Gradio 页面里比较同一套 ESPnet2 Conformer 方案的三个英语语音识别模型，分别用 bpe、字符和词单位，附带示例音频，适合语音研究人员和学生。

ESPNet2 ASR Librispeech Conformer (100h)

jkang · 工具包

在 Gradio 页面里用在 100 小时 Librispeech 上训练的 ESPnet2 Conformer 模型把英语语音转成文字，附带示例音频，适合语音研究人员和学生。

TFM_SimilitudSemantica_Fichero

jfarray · 工具包

在 Gradio 页面里用多语言 BERT 模型比较文本在意思上有多接近，附带一个示例 JSON 文件，适合 NLP 学生和研究人员。

Zero Shot Nlp Classifier Multi Lang

iamkb · 工具包

在 Gradio 页面里用几个所列的零样本模型，不经训练就把跨语言文本归入你选的标签，适合分析师、研究人员和 NLP 开发者。

HF SHAP

Hellisotherpeople · 工具包

用 SHAP 解释文本模型如何得出输出，覆盖五个所列模型，分别用于问答、翻译、情绪、摘要和文本生成，适合 NLP 学习者和研究人员。

HF KeyBERT

Hellisotherpeople · 工具包

在 Streamlit 页面里用 KeyBERT 从文本中提取关键词，适合想不写代码就试用关键词提取的研究人员、学生和开发者。

HF BERTopic

Hellisotherpeople · 工具包

在 Streamlit 页面里用 BERTopic 找出一批文本里的主题，适合想不写代码就试用主题建模的研究人员和分析师。

Qwen3.5-9B Brainwaves DeepThought STEM OneJev1.6

nightmedia · 工具包

nightmedia 制作的实验性 9.4B 图文模型，由三个 9B 模型合并而成，面向推理和理科问题。适合喜欢尝试小型开放合并模型的爱好者和研究者。

UniMate

Linzhan · 工具包

根据文字描述，为任何形状的骨架生成动作，从动物、人形到有绑定的物体。适合动画研究人员和技术美术，采用非商业许可。

Quark

FirstPrinciplesLabs · 工具包

FirstPrinciples 从 Qwen3.5-9B 微调出的 9B 物理、科学和数学推理模型。适合想要分步推导和第二意见，并希望在本地或离线使用的研究者。

WeVisOne-VL-2B

tencent · 工具包

读取图片和文字提问，返回物体框、点、数量、文字位置和像素级蒙版，包括 alpha 抠图。适合在自己电脑上运行 2.4B 模型的研究者。

Hy-Nomas

tencent · 工具包

根据文字指令和镜头运动，一段一段地生成视频世界，你可以边生成边改变物体、风格和视角。适合创作者和研究者。

mednli_laya

pavanmantha · 工具包

对照证据检查一条医学论断，回答 supported、unsupported 或 contradicted。这是微调过的 Laya 模型，用于英文临床笔记文本的研究，不能用于临床决策。

Sage-A1.5

InternScience · 工具包

作为智能体处理长篇科学任务，能委派给子智能体、检查自己的进展并修订计划。这是面向研究和工程工作流的 35B 混合专家模型。

lingbot-touch-small

robbyant · 工具包

把磁式、压阻式和视觉触觉传感器的触觉读数转成可用于机器人操作的学习特征。适合已经有兼容推理环境的机器人研究者。

LingBot-Touch-Tiny

robbyant · 工具包

把触觉传感器信号编码成潜在特征，用于机器人操作研究，涵盖磁式、压阻式和视觉触觉三种传感。仓库里只有权重和配置。

GTA world model

lucidml · 工具包

你按住按键时，从一张起始图像逐帧生成视频，并推流到浏览器。这是一个用 GTA5 素材训练的世界模型的权重和推理代码，适合研究者和机器学习工程师。

Qwen3.5-0.8B-weight-space-programming

ML-Intern-lab · 工具包

用一个小型 Qwen3.5-0.8B 模型一步步解数学题，它的权重由一个 LLM 直接修改，没有经过训练，用来消除重复循环。适合研究人员和想试验权重编辑的人。

caramel-1

naklecha · 工具包

这是一个 413M 参数的语音到语音模型，只用对话录音训练，从未见过文本，能进行实时的你来我往。适合语音 AI 研究者和爱好者。

WeVisOne-VL-4B

tencent · 工具包

用腾讯的一个 4B 视觉语言模型在图片中查找、计数、指向、识字和分割物体，并生成 alpha 抠图。适合做视觉定位和图像抠图的研究人员。

Qwen3.5-4B-Qwenputer

divagr1925 · 工具包

一个实验性的 Qwen3.5-4B，把 32 位 RISC-V CPU 编译进了权重里，所以能在模型内部做精确算术，适合想探索语言模型内部计算的研究人员和好奇的开发者。

Memorilla-Qwen3-8B

memorilla · 工具包

收录 Memorilla 的记忆模块检查点，通过 Qwen3-Embedding-4B 编码器给冻结的 Qwen3-8B 模型加上记忆。适合研究语言模型记忆的研究者。

STRATA

nvidia · 工具包

以 10 分钟的时间步长，模拟公里级全球风暴分辨大气模拟，用于天气和气候研究。这是 NVIDIA Earth-2 的检查点，有 331.7M 参数。

Axion-1.0-35B

Axion1-0 · 工具包

Axion 1.0-35B 的复现检查点，一个 35B 混合专家模型，面向科学推理、信息检索和借助工具解决问题，用 vLLM 部署。适合研究人员和智能体开发者。

Diffusion-Qwen3.8-27B

summerAIO · 工具包

把 Qwen3.8-27B 转成掩码扩散语言模型，用并行解掩码的方式生成文字。这是一个实验性的研究检查点，适合有大显卡的研究人员和机器学习工程师。

Qwen3.5-0.8B-weight-space-programming

RikiyaT · 工具包

一个由 LLM 在不训练的情况下编辑了两个权重矩阵的 Qwen3.5-0.8B，用来消除它的思考死循环并提升数学能力。这是面向研究人员和小模型用户的实验性模型。

pjit-21k

Linum-AI · 工具包

Linum 的实验性 2B 文生图模型，训练算力约 2.1 万美元，最适合用 50 到 80 个词的详细提示词，不能在图里写字。适合研究人员和好奇的创作者。

PAN 2

IFM · 工具包

MBZUAI 的 IFM 做的 29B 世界模型，把一个场景和描述的动作变成最长 20 秒的视频，让智能体可以预览结果，适合有大显卡的研究人员和智能体开发者。

qwen-concept-27b

ConceptCountry · 工具包

对 Qwen3.8-27B 的九个权重矩阵做了权重空间编程式的编辑，无需训练，所以它用更少的 token 思考。这是面向研究人员和本地模型用户的实验性版本。

Face Swap

felixrosberg · 工具包

felixrosberg 的 Gradio 换脸演示，基于 FaceDancer 系列模型。可以在浏览器里打开，也可以自己运行一份，用于研究或学习换脸。

paper-rec

bluebalam · 工具包

一个 Gradio 演示，根据你给的标题、摘要或关键词，从 arXiv 推荐十篇近期的机器学习和 AI 论文。适合研究者和学生。

Deepfake Detect

artspark · 工具包

一个检测器，用 EfficientNet-B4 网络的集成区分真实图片和 GAN 生成的图片。适合事实核查员和研究者，带一个 Gradio 页面和一个脚本。

Iris-3B

speridlabs · 工具包

Iris-3B 的演示。这个 3B 模型能根据文字生成图片、从单张图片估计深度，并修复或放大图片。适合想试用通用图像模型的视觉研究者和开发者。

LVBench Leaderboard

zai-org · 工具包

zai-org 的 LVBench 基准的排行榜页面，作为 Gradio 应用运行，并指向 LVBench 数据集。适合想看模型在其上得分的研究者。

Gpt2 Multiplication Predictor

yuntian-deng · 工具包

一个 Gradio 演示，对比被训练来做大数乘法的 GPT-2 模型，包括名字里标明不带推理步骤、隐含推理步骤和写出推理步骤的几种版本。适合 AI 研究者和好奇的学习者。

VBench Leaderboard

Vchitect · 工具包

Vchitect 的 VBench 项目的排行榜页面，作为 Gradio 应用跑在 CPU 硬件上。适合想看模型在 VBench 上排名的研究者和工程师。

Click3R

uva-cv-lab · 工具包

从一对照片重建 3D 场景，你可以用几次点击标出两张图里的同一个点来修正结果。这是面向计算机视觉研究者和学生的研究演示。

Laya Vision

thaitea · 工具包

一次前向传播就回答关于图像的是非题、选择题和按评分标准打分的问题，不生成文字。它在 CPU 上运行一个 201M 的小型检查点，适合视觉研究人员和开发者。

Paper Pulse

tardellirs · 工具包

展示自 2024 年 3 月以来每一篇 Hugging Face Daily Paper 的逐日点赞历史，以及每篇论文当天的排名和排名靠前论文背后的实验室与作者。适合研究人员和关注 AI 的人。

Free-View Expressive Talking Head Video Editing

sky24h · 工具包

一个用于编辑说话头像视频的 Gradio 演示，如标题所示，支持自由视角和表情控制。适合想试用该方法或阅读其代码的研究者和开发者。

HockeyRink

SimulaMet-HOST · 工具包

在图片中找出冰球场的 56 个地标点，并标注编号和置信度。适合体育分析师、转播图形团队和计算机视觉研究者。

Arabic LLM Leaderboard - Broad (ABL)

silma-ai · 工具包

在 Gradio 排行榜里按一个阿拉伯语基准给语言模型排名，代码也可以改造成你自己的排行榜。适合阿拉伯语 NLP 研究人员和比较模型的团队。

JLD 感知距离

shreshthsaini · 工具包

给出失真图像与参考图像的差异分数，并用透镜叠加图显示差异所在。适合想在浏览器里试用 JLD 指标的图像质量研究者。

Rabbit Pain Identifier

sheildo · 工具包

通过测量 23 个面部关键点，从一张兔子照片里筛查疼痛迹象，并给出 Relaxed 或 Pain 标签和概率。这是面向兔子主人、兽医和学生的研究原型，不是诊断。

ModelScope Text To Video

shamedrank10 · 工具包

在 Gradio 演示里，用 ModelScope 文生视频扩散模型把英文文字提示词变成 256x256 的短视频。适合想试试文生视频的研究者和好奇的创作者。

GIFT Eval

Salesforce · 工具包

Salesforce 的 GIFT-Eval 页面，这是一个通用时间序列预测基准。仓库里有结果文件夹和应用代码。适合比较模型的预测研究者和机器学习工程师。

MoGe 2

Ruicheng · 工具包

根据一张图片估计场景在真实尺度下的几何，是一个能在浏览器里打开的 Gradio 演示。适合研究照片深度和形状的研究人员与开发者。

TIME Benchmark Leaderboard

Real-TSF · 工具包

TIME 概率时间序列预测基准的排行榜，有总体得分、按数据集的拆分和测试窗口图。适合比较模型的预测研究者和机器学习工程师。

Colpali

rayyan0 · 工具包

vidore ColPali v1.3 模型的 Gradio 演示，自带一个存好的页面嵌入文件。适合想在浏览器里试用视觉文档检索的开发者和研究者，在 Hugging Face 上运行。