CoreNet：CoreNet 是一個用於訓練深度神經網路的庫
CoreNet 是一個深度神經網路工具包，使研究人員和工程師能夠訓練標準和新穎的小型和大型規模模型，用於各種任務，包括基礎模型（例如 CLIP 和 LLM）、對象分類、對象偵測和語義分割。
Llama-Chinese：構建最好的中文Llama大模型，完全開源可商用
Llama中文社群是一個專注於Llama模型在中文方面的最佳化和上層建設的技術社群。社群提供基於大規模中文資料的預訓練模型，並對Llama2和Llama3模型進行持續的中文能力迭代升級。社群擁有高階工程師團隊支援，豐富的社群活動，以及開放共享的合作環境，旨在推動中文自然語言處理技術的發展。
Interactive3D：透過互動式3D生成技術，實作高質量且可控的3D模型建立
Interactive3D是一個先進的3D生成模型，它透過互動式設計為使用者提供了精確的控制能力。該模型採用兩階段級聯結構，利用不同的3D表示方法，允許使用者在生成過程的任何中間步驟進行修改和引導。它的重要性在於能夠實作使用者對3D模型生成過程的精細控制，從而創造出滿足特定需求的高質量3D模型。
GraphRAG：結合文字提取、網路分析和大型語言模型提示與總結的端到端系統
GraphRAG (Graphs + Retrieval Augmented Generation) 是一種透過結合文本提取、網路分析以及大型語言模型（LLM）的提示和總結，來豐富理解文本資料集的技術。該技術即將在GitHub上開源，是微軟研究專案的一部分，旨在透過先進的演算法提升文本資料的處理和分析能力。
Qwen1.5-110B：Qwen1.5系列首個千億引數開源模型，多語言支援，高效Transformer解碼器架構
Qwen1.5-110B是Qwen1.5系列中規模最大的模型，擁有1100億引數，支援多語言，採用高效的Transformer解碼器架構，幷包含分組查詢注意力（GQA），在模型推理時更加高效。它在基礎能力評估中與Meta-Llama3-70B相媲美，在Chat評估中表現出色，包括MT-Bench和AlpacaEval 2.0。
ID-Aligner：一種用於增強身份保留文字到影象生成的反饋學習框架
ID-Aligner 是一種用於增強身份保留文本到影象生成的反饋學習框架，它透過獎勵反饋學習來解決身份特徵保持、生成影象的審美吸引力以及與LoRA和Adapter方法的相容性問題。該方法利用面部偵測和辨識模型的反饋來提高生成的身份保留，並透過人類標註偏好資料和自動構建的反饋來提供審美調整訊號。
Bundle of Joy：為忙碌的準父母提供寶寶女孩和寶寶男孩的名字選擇
Bundle of Joy是一個為準父母設計的應用程式，可以在幾秒鐘內為他們的新生兒瀏覽和篩選名字。該應用根據父母的偏好推薦名字，並根據父母的喜好進行學習，為他們提供適合他們口味的新的推薦。父母可以指示寶寶的性別，然後選擇以下兩個選項之一：名字的首選來源、宗教、主題、首字母和含義。
StudyBoosterAI：解鎖個性化學習和考試成功，幫助學生制定個性化學習計劃、記憶技巧等，支援IB、IGCSE、ICSE、文憑課程和大學學生
StudyBoosterAI透過AI技術提供個性化支援，包括定製化學習材料、生動的學習內容、個性化學習計劃等，幫助學生更有效地學習和記憶知識。
SNAPVID：智慧影片編輯工具，幫助使用者快速剪輯、新增字幕和動畫表情，提高影片的吸引力和互動性
SNAPVID是一款智慧影片編輯工具，利用AI技術提供多個熱門影片剪輯建議，使用者只需點選一次即可建立多個病毒式影片剪輯。同時，使用者可以根據需要自訂剪輯長度和風格，並新增自訂的字幕和動畫表情。SNAPVID還支援批量匯出和品牌定製，使使用者能夠輕鬆匯出自己喜歡的影片剪輯並儲存專案設定，方便在多個專案中複用。
Vidu：中國首個長時長、高一致性、高動態性影片大模型，一鍵生成高畫質影片內容國內版的Sora
Vidu是由生數科技聯合清華大學釋出的中國首個長時長、高一致性、高動態性影片大模型。該模型採用原創的Diffusion與Transformer融合的架構U-ViT，支援一鍵生成長達16秒、解析度高達1080P的高畫質影片內容。