AI 研究技能与智能体

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。

Understanding Women

GotAudio · 工具包

在 Gradio 页面里用一个已保存的模型处理图片，附带三张示例图可以试。记录没有说明它预测什么，所以请打开 Space 看它的用途。

ViTGPT2 图像描述

gagan3012 · 工具包

gagan3012 做的 Gradio 应用，从模型名看是把 ViT 图像编码器和 GPT-2 文本解码器配对，用文字描述图片。适合想在浏览器里试用图像描述的人。

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。

GenreClassifier 音乐流派分类器

Enutrof · 工具包

用在 GTZAN 数据集上训练的 LSTM 模型，猜测上传音频的音乐流派。适合想试用小型音频分类器的音乐爱好者和学生。

Spectral Metric

Dref360 · 工具包

一个以 spectral metric 命名的 Streamlit 应用，有一个主文件和一个辅助模块。README 没有描述，所以它衡量什么没有写明。

Rice Disease Detector 水稻病害检测器

dnth · 工具包

dnth 做的 Gradio 应用，从名字看是在图片里检测水稻病害，带有保存的检查点和八张示例图片。适合对植物病害检测感兴趣的学生和种植者。

Rice Disease Classifier 水稻病害分类器

dnth · 工具包

dnth 做的 Gradio 应用，从名字看是根据图片给水稻病害分类，带有保存的学习器文件和示例图片。适合对植物病害分类器感兴趣的学生和种植者。

Car Part Classification 汽车零件分类

Detomo · 工具包

Detomo 做的 Streamlit 应用，用来从图片里识别汽车零件，仓库里有 ONNX 模型和保存的嵌入向量。适合探索图像分类的人。

PokeGAN

dechantoine · 工具包

dechantoine 做的 Gradio 应用，名字暗示它是生成宝可梦风格图像的 GAN。适合对小型图像生成演示感兴趣的人。

Arxiv Downloads

christopher · 工具包

一个静态网页，标题指向 arXiv 的下载情况，同一仓库里附带一个笔记本。在浏览器里运行，无需安装。

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。

OCTaGAN

AUBMC-AIM · 工具包

一个 Gradio 应用，对应一个名字指向 OCT 医学图像的 GAN，来自 AUBMC-AIM 团队。README 没有描述，具体输入和输出要看页面。

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。

VIDRAFT

VIDraft · 工具包

VIDRAFT 的主页，VIDRAFT 是一家位于首尔的 AI 模型实验室，这是个静态站点。它介绍实验室用于训练、合并、压缩、测试和加速语言模型的开放模型与工具。

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。

Belarusian AI models

Zhnivo · 工具包

一个可浏览的白俄罗斯语 AI 模型和 GitHub 代码清单，人工挑选，涵盖语音识别、语音合成、语言模型、翻译和 NLP。页面有英语和白俄罗斯语两种界面。

Belarusian datasets

Zhnivo · 工具包

一个可浏览的白俄罗斯语数据集和语料库清单，人工挑选，涵盖语音、文本、平行文本、基准、词典和 OCR。页面有英语和白俄罗斯语两种界面。

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。

UNet For Crack Detection In Concrete

Vizuara · 工具包

用 U-Net 模型分割混凝土照片里的裂缝：你上传一张开裂表面的图片，演示会标出裂缝。适合工程师、检查人员和学生。

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。

JevalKit Leaderboard

Valen-Team · 工具包

一个交互式页面，用图表和可筛选的表格展示 JevalKit 的实测评估结果，支持模型对比和数据下载。适合挑选或研究模型的人。

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。

Open PL LLM Leaderboard

speakleash · 工具包

一个 Gradio 排行榜，在一组评测数据集上给语言模型排名，从名称和数据集看指向波兰语。适合比较模型或想自己搭排行榜的团队。

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。

Autism RAG

Shriharshan · 工具包

一个关于自闭症的聊天机器人，它在已存储的向量数据库里找出相关段落，再交给小型语言模型来回答。适合研究检索式对话的开发者和学生。

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。

GuardrailAgent Benign Check

Sattyam · 工具包

展示 GuardrailAgent 输入关卡把 250 条无害的 XSTest 提示词误判为越狱的频率，并附上每条提示词和每个决定。适合开发或评估提示词过滤器的人。