Deep Learning 101, Taiwan’s pioneering and highest deep learning meetup, launched on 2016/11/11 @ 83F, Taipei 101
AI是一條孤獨且充滿惶恐及未知的旅程,花俏絢麗的收費課程或活動絕非通往成功的捷徑。
衷心感謝當時來自不同單位的AI同好參與者實名分享的寶貴經驗;如欲移除資訊還請告知。
由 TonTon Huang Ph.D. 發起,特別感謝時任職公司台灣雪豹科技無償贊助場地及茶水點心。
這裡匯集了我們歷年的 Meetup 紀錄,還有 AI 演算法與開源資源匯整中心。
「Deep Learning 101」所有內容均屬個人與社群研究心得分享,不代表任何現職或前任雇主之官方立場背書。
衷心感謝當時來自不同單位的AI同好參與者實名分享的寶貴經驗;如欲移除資訊還請告知。
由 TonTon Huang Ph.D. 發起,特別感謝時任職公司台灣雪豹科技無償贊助場地及茶水點心。
這裡匯集了我們歷年的 Meetup 紀錄,還有 AI 演算法與開源資源匯整中心。
「Deep Learning 101」所有內容均屬個人與社群研究心得分享,不代表任何現職或前任雇主之官方立場背書。
- Gemini Decision 1 (Google:不寫一個字的決策模型,Decisions API 一次判 1,000 題)
[2026-11-11]🔥[決策模型][Jev][閉源API][多模態][AI Agent] - JevEmbed (哈工大深圳 HITsz-TMG:把 Embedding 模型變成決策引擎,繞過 Jev 的 255 候選上限)
[2026-10]🔥[決策模型][Jev][Embedding][LoRA][Apache-2.0] - Chinese Decision Unified 0.8B (Qiang Yan:一份權重、兩種讀出,中文決策加實體抽取的非生成小模型)
[2026-10]🔥[決策模型][Jev][NER][資訊抽取][Qwen3.5][Apache-2.0] - DecisionRAG (Cornell × ASAPP:不用檢索器,讓決策模型在文件樹上逐層導航選證據)
[2026-10-26]🔥[RAG][Retriever-Free][決策模型][Jev][階層檢索] - Cangjie Skill 倉頡 (kangarooking:把書、長影片、播客蒸餾成可呼叫的 Agent Skill)
[2026-04-16]🔥[書籍蒸餾][Agent Skill][知識資產化][MIT] - WenetSpeech-Min (2026-09)
- llama.cpp v1.0.0 (本地 AI 推論引擎首個穩定版:公開 C API 定版、FP8 KV 快取、MoE 專家快取)
[2026-11-13]🔥[本地推論][開源框架][語義化版本][MIT] - MetaEncoder v1 (Meta:28B 多模態嵌入加決策模型,Muse Glimmer 解碼器轉編碼器,14 項基準 11 項第一)
[2026-11-12]🔥[開源權重][多模態嵌入][決策模型][JevBench][Muse Glimmer][檢索] - Gemini 4 Hydrogen (Google DeepMind:日常 Agent 執行層換代、AA 智慧指數 51 超 Argon,四檔思考加全域上線)
[2026-11-12]🔥[閉源API][Agent執行層][Intelligence Index 51][百萬上下文][四檔思考][Orchestrator] - Perplexity Decider v1.3 (Perplexity:決策模型加 Locate 原文抽取,一次前向回機率加字元偏移,Apache-2.0 開源權重)
[2026-11-12]🔥[決策模型][開源權重][Apache-2.0][Locate][Qwen3.8][零輸出token] - MiniMax H3-Image (MiniMax:單一權重文生圖加編輯、原生 4K 十秒內、社群授權限區)
[2026-11-10]🔥[開源權重][文生圖][圖像編輯][4K][16MP][6步蒸餾][社群授權] - Gemini Robotics 2.5 (Google DeepMind:最強 VLA 換代、賓士產線人形機器人分揀 96%、附開源安全基準)
[2026-11-10]🔥[閉源][VLA][具身智能][工廠實測][推理時安全引導][ASIMOV-Jailbreak][Gemini 4 Argon] - AlphaProof Code (Google DeepMind:Agent 形式化驗證 Signal 協議編譯後機器碼,600 萬行 Lean、Apache-2.0 開源)
[2026-11-10]🔥[形式化驗證][Lean][LLM-Guard] - Meta Muse Ember (Meta:最小最便宜的 Muse 模型,Haiku 級表現、三分之一任務成本)
[2026-11-09]🔥[閉源API][成本效率][Agent執行層][Intelligence Index 36][多模態][Muse Wonder Full] - Claude Fable 5.2 (Anthropic:最強通用模型換代、AA 智慧指數登頂,降價兩成)
[2026-11-09]🔥[閉源API][Intelligence Index 64.6][長程Agent][降價][Fast Mode][Mythos 5.2] - LongCat-2.5 權重釋出 (美團:完整權重以 MIT 授權釋出,208 個 safetensors 分片)
[2026-11-09]🔥[開源權重][MIT][權重釋出][長程Agent][1.6T] - NVIDIA Cosmos 3 (四款 16B 互動世界模型檢查點:自駕多鏡頭加光達、機器人雙臂模擬,OpenMDW1.1 開源權重)
[2026-11-06]🔥[開源權重][世界模型][互動模擬][自駕][具身智能][OpenMDW1.1] - Gemini Omni 1.2 Flash (Google:影片生成與編輯模型首度 GA,單片 15 秒、降價三成)
[2026-11-05]🔥[閉源API][影片生成][GA][對話式編輯][原生音訊][SynthID] -
GPT-6 Cyber (OpenAI:授權漏洞挖掘與漏洞利用開發專用模型,ExploitGym 48.5%、Critical 級、Daybreak Red 管制)
[2026-11-05]🔥[漏洞挖掘][漏洞利用開發][LLM-Offense] - Ripple-65B Preview (Ricursive Intelligence:65B 密集模型,Terminal-Bench 2.1 美國開源權重第一、3,200 萬美元研發成本)
[2026-11-05]🔥[開源權重][密集架構][Agentic Coding][Apache-2.0][65B][1M上下文] - Tencent Hy4 (騰訊混元:正式版加視覺與電腦操作,API 先行、權重未出)
[2026-11-04]🔥[閉源API][視覺理解][電腦操作][混元][辦公Agent][權重待釋出] - Kimi K3.1 Pro 權重釋出 (Moonshot:2.8T/104B 旗艦權重落地,自訂授權、MXFP4)
[2026-11-04]🔥[開源權重][MoE][1M上下文][MXFP4][Agentic Coding][權重釋出] - Anthropic FlashProve (可驗證推論 Provable Inference:用密碼學證明回覆出自哪一組權重)
[2026-11-03]🔥[可驗證推論][zkSNARK][LLM-Guard] - LongCat-2.5 (美團:1.6T 原生多模態長程 Agent 模型,API 先行、權重尚未公開)
[2026-11-02]🔥[長程Agent][原生多模態][MoE][閉源API][1.6T][W4A4] - Vercel Labs agent-desktop(電腦操作工具:不看截圖、讀系統無障礙樹,用編號操作桌面 App)
[2026-10-31]🔥[電腦操作][Agent基礎設施][Apache-2.0][無障礙樹][跨平台][低Token] - DeepSeek dsh-superagent-prototype(主動式程式碼代理原型:監聽一個 GitHub 倉庫,授權請求各自開工單平行處理、以 PR 回覆)
[2026-10-31]🔥[程式碼代理][多工單平行][開源原型][MIT][GitHub自動化][授權治理] - Auto Ontology (NVIDIA)
[2026-10]🔥[企業語義層][Ontology][Text-to-SQL][MCP工具][NVIDIA NIM][Apache 2.0] - Harness² (Google Research)
[2026-10]🔥[Agent自我優化][Harness工程][遞歸自我改進][無需Grader][Apache 2.0] - Qwen-Audio-Jev (Alibaba Token Foundry)
[2026-10]🔥[音訊決策][Jev決策頭][選擇判斷評分][概率校準][高吞吐][未開源] - Xiaomi-Lens-0 (SeerRay-Lab)
[2026-10]🔥[指代實例分割][Qwen3.5-4B底座][Mask Token][視覺Latent推理][Apache 2.0] - WeVisOne-VL (Tencent 微信視覺)
[2026-10]🔥[視覺大一統][物體級像素級通吃][Qwen3-VL底座][座標Token][免SAM][Apache 2.0] - Mistral Large 4 (Le Chonk:1T MoE 開源權重旗艦,預覽後三週強化版,編碼與資安雙主攻)
[2026-10-29]🔥[1T MoE][開源權重][1M上下文][Agentic Coding][資安防禦][MLA+DSA稀疏注意力] - Gemini 4 Carbon(Google DeepMind:資安+長程工程最強前沿模型,首批只給資安防禦者)
[2026-10-29]🔥[閉源前沿][資安防禦][長程Agent][Intelligence Index 59][Fairwind限定][對齊強化] - Kanana-2-Embedding(Kakao:韓語檢索專用雙模型,3B+蒸餾 1.3B,MRL 可調維度)
[2026-10-29]🔥[韓語檢索][Embedding][開源權重][MRL可調維度][知識蒸餾][個人化Agent檢索] - LFM3(Liquid AI:六模型 2B 級端側家族,一個骨幹分出文字/視覺/聲音/全模態/決策)
[2026-10-28]🔥[三混合架構][端側Agent][256K上下文][開源權重][多模態家族][單GPU微調] - Genie 4(Google DeepMind:原生音訊+即時轉向的世界模型,Gemini 在迴圈內導引)
[2026-10-28]🔥[世界模型][原生音訊][即時轉向][Gemini導引][研究預覽][SynthID] - Nemotron 3.5 Transcribe(NVIDIA:40 語轉錄+說話人標註+翻譯+錄音問答,單一檢查點)
[2026-10-28]🔥[多語ASR][說話人標註][錄音問答][MoE][Granary-v2][OpenMDW] - Unlimited OCR 2 (無限 OCR 2:百頁文件一次解析)
[2026-10-27]🔥[長文件解析][SR-SWA注意力][恆定顯存][百頁文件][MIT開源][VLM文件解析] - GPT-6.1 Terra (OpenAI)
[2026-10-26]🔥[電腦操作][視覺推理][閉源API][成本效率][ChatGPT Work][Codex] - TimeH2O-v1 (H2O.ai)
[2026-10-26]🔥[時間序列預測][零樣本][基礎模型][非商業授權][fev-bench][機率預測] - AI21 LIFT-Bench/LIFT-Train(章節錨定指令遵循評測+防獎勵駭客訓練集)
[2026-10-25]🔥[指令遵循][RL獎勵][評測基準][Apache-2.0][文件起草][LLM評判] - Microsoft Agensh(無中央編排、1,024 個 coding agent 自組織框架)
[2026-10-24]🔥[多智能體][無編排][Coding Agent][MIT][ProgramBench][自組織] - Nanbeige4.3-33B(BOSS 直聘實驗室、33B 密集 agentic coding 教師模型、512K 上下文)
[2026-10-24]🔥[開源權重][Agentic Coding][Apache-2.0][512K上下文][密集模型][教師模型] - Hi3D V1.0 (前身 Sparc3D:參考圖+粗網格→高解析幾何細化)
[2026-10-23]🔥[3D幾何細化][Image-to-3D][Sparse VAE][1536³][Hi3D Open License][推論限定] - NVIDIA Nemotron 3.5 Bolt E4B 4GB(Gemma 4 E4B 後訓練、4GB 顯存本地語音助手與機器人模型)
[2026-10-23]🔥[開源權重][SLM][端側 Agent][工具呼叫][Jetson][OpenMDW-1.1] - LFM2.5-24B-A2B (Liquid AI)
[2026-10-13]🔥[端側Agent][MoE][純推理模型][工具調用] - context-mode
[2026-10-12]🔥[ContextWindow優化][MCP伺服器][CodingAgent][會話記憶] - Kimi K3.1 Pro (Moonshot:2.8T/104B MoE 開源權重旗艦,1M 上下文)
[2026-10-23]🔥[開源權重][MoE][1M上下文][Agentic Coding][Terminal-Bench][網路安全降級] - Carbon-X (Hugging Face 開放 DNA 對話模型:14.8B/DNA+文字單一解碼器)
[2026-10-22]🔥[DNA][基因變異效應][BioAI][Apache 2.0][6-mer tokenizer] - Kanana-2-Vision Encoder (Kakao 自研 VLM 專用視覺編碼器:426M/98M)
[2026-10-21]🔥[視覺編碼器][VLM][Native Resolution][韓文 OCR][Kanana Open License] - DeepInfer (DeepSeek 自家生產線開源推論框架:V4.1-Flash serving stack)
[2026-10-20]🔥[推論框架][Speculative Decoding][Apache 2.0][V4.1-Flash][Ascend 950] - HybridAgent (Stanford+Together AI)
[2026-10-18]🔥[Agent 推理][潛在推理][HybridLink][工具調用][開源權重][MIT] - DeepSeek-V4.1-Flash-1017 (DeepSeek)
[2026-10-17]🔥[開源權重][MoE][KV Cache 壓縮][Coding Agent][MIT][1M上下文] - Beam 1.0 (Reflection)
[2026-10-16]🔥[開源權重][MoE][Coding Agent][Apache 2.0][1M上下文] - MOSS-Image (OpenMOSS 開源文生圖:5B DiT 專攻文字渲染與版面控制)
[2026-10-16]🔥[文字渲染][版面控制][Apache 2.0][ComfyUI] - Muse Spark Open (Meta Superintelligence Labs)
[2026-10-15]🔥[開源權重][MoE][原生多模態][Coding Agent][1M上下文] - Scientific Agent Skills (K-Dense)
[2026-10-14]🔥 - H-JEPA (LeCun AMI 世界模型)
[2026-10]🔥[世界模型][JEPA][分層規劃][視覺規劃][具身智能] - Whistle (Cactus Compute)
[2026-10]🔥[端側ASR][超輕量][CPU推理][語音工具調用][量化] - S1-mini (Superwhisper)
[2026-10]🔥[ASR後處理][文本歸一化][ITN][端側部署][Qwen3微調] - AnyEdit (免分離語音/歌聲局部編輯)
[2026-10]🔥[語音編輯][歌聲編輯][免聲源分離][Flow Matching][DPO] - VibeVoice-ASR-Streaming (Microsoft)
[2026-09]🔥[流式ASR][說話人歸屬][端到端][Speech-LLM][即時轉寫] - MOSS-TTS-Nano (OpenMOSS)
[2026-04]🔥[0.1B極輕量][單核CPU][ONNX推理][48kHz雙聲道][零樣本克隆] - X2Streaming-TTS (X Square Robot)
[2026-08]🔥[真流式TTS][逐token合成][嚴格因果][低延遲對話][Qwen3-TTS] - MECT / AntSpeaker (螞蟻集團)
[2026-09]🔥[聲紋識別][MoE架構][流式推理][身份核驗][輕量模型] - TagSpeech (多人 ASR+日誌聯合建模)
[2026-01]🔥[說話人日誌][聯合建模][時間戳對齊][端到端][參數高效訓練] - MAI-Transcribe-2 (Microsoft MAI)
[2026-09]🔥[商業ASR API][多語轉寫][說話人分離][批次轉寫][性價比] - OpenMuse
[2026-09-22]🔥 [Meta Muse開源平替] [自託管個人助理] [常開瀏覽器會話] [背景非同步任務] [寫操作人機確認] [MIT協議] - OpenBot (CopilotKit)
[2026-08]🔥 [企業AI同事] [Agent治理] [審計] [AG-UI] [自建部署]` - VISTA: 給多模態 Agent 裝上可回看的無損視覺記憶
[2026-10]🔥 [AI Agent] [視覺推理] [ARC-AGI-3] [無損視覺記憶] [多模態]` - Xiaomi-CocktailASR-1
[2026-09]🔥 [目標說話人ASR] [雞尾酒會效應] [端到端] [CoT推理]` - SAM-V
[2026-09]🔥多視圖實例分割、SAM+VGG’T幾何感知提示、跨視角一致性、機器人感知
📅 2026-08-17 更新快訊
- DeepTutor
[2026-04]🔥 [Agent原生工作區] [終身個性化學習] [三層可審計記憶] [多引擎RAG] - DeepCode
[2026-08]🔥 [Paper2Code] [Agentic Coding] [V2中央廚房] [Text2Web/Text2Backend] - deepagents
[2026-04]🔥 [ClaudeCode開源版] [AgentHarness] [LangGraph上層封裝] [免模型綁定] - Scholar Loop
[2026-06-15]🔥 [自主科研閉環] [8專職Agent小隊] [防獎勵黑客] [單GPU預算] - autoarxiv
[2026-06]🔥 [一鍵論文復現] [autoresearch] [最小化實驗] [環境自動修復] - Qwen-Audio-Agent
[2026-07]🔥 [全雙工語音Harness] [非阻塞多任務] [ACP協議生態] [擇時結果回流] - jina-reranker-v3.5
[2026-07]🔥 [0.6B極致輕量] [3L2G混合注意力] [結構化數據理解] [長列表顯存優化] - REF+CFA
[2026-06]🔥 [CVPR 2026] [跨域異常檢測] [擴散非平穩殘差場] [無監督遷移] - VL-DINO
[2026-06-10]🔥 [開放詞表檢測] [CLIP雙線並用] [肥訓練瘦推理] [長尾類別SOTA] - RMAE-ProGRess
[2026-06-03]🔥 [CVPR 2026] [非結構化語義分割] [LCA輕量通道注意力] [越野與遙感特化] - SOPSeg
[2026-06]🔥 [CVPR 2026] [遥感小目標實例分割] [區域自適應放大RAM] [定向提示OPM] - SFS-DETR
[2026-06]🔥 [CVPR 2026] [無人機小目標檢測] [空間-頻率自適應選擇] [96 FPS即時感知] - DEUS
[2026-03]🔥 [CVPR 2026] [開放世界目標檢測] [ETF雙子空間] [能量分離EUS] - Unsloth Desktop
[2026-08-11]🔥 [全端本地AI工作站] [自愈式工具調用] [DeepResearch本地化] [零代碼訓練] - VibeVoice-ASR-BitNet
[2026-07-23]🔥 [CPU極速即時轉寫] [BitNet三值量化] [1.58GB極致壓縮] [跑贏Whisper.cpp] - NVIDIA NeMo Switchyard
[2026-03]🔥 [LLM智慧路由層] [Rust高效代理] [多協議翻譯] [成本驟降74%] - Stream3D
[2026-05]🔥 [流式3D重建與生成] [自適應證據記憶] [免訓練機制] [CVPR 2026] - Polaris
[2026-06]🔥 [全流水線AI科研] [Voyage可恢復架構] [Human-Gated] [ResearchWiki] - Uber ADR
[2026-08]🔥 [企業級Agent安全] [雙層在線檢測] [ADR-Bench] [憑證外洩攔截] - Luna-TTS
[2026-08]🔥 [擴散語言模型] [全並行TTS] [首包延遲41.6ms] [Seed-TTS-Eval四冠王] - DeepSeek Harness
[2026-08-13]🔥 [Agent作業系統] [一切皆插件] [Cordis內核] [受控執行流水線] - Vigil
[2026-03-23]🔥 [開源AI SOC] [13專職Agent小隊] [MCP標準生態] [100%本地資料駐留] - Ultra-Fusion
[2026-06-19]🔥 [多傳感器SLAM大一統] [因子級可靠性調度FRS] [在線時空自校準OSC] - LiteRT-LM
[2026-04]🔥 [Google端側編排層] [跨平台LLM Runtime] [MTP解碼加速] [WebGPU/NPU支援] - DAMO-YOLO
[2025-06]🔥 [工業落地SOTA] [TinyNAS搜尋] [Efficient RepGFPN] [AlignedOTA標籤分配] - SenseNova-Vision
[2026-07]🔥 [視覺任務大一統] [統一多模態生成UMM] [免專屬預測頭] [7B-MoT] - O2MAG
[2026-03]🔥 [CVPR 2026] [免訓練缺陷擴樣] [三路注意力嫁接TriAG] [異常引導優化AGO] - Resource2Skill
[2026-06]🔥 [Skill工廠] [多模態經驗蒸餾] [分層Skill-Wiki] [微軟開源] - AirLLM
[2023]🔥 [分層推理Layer-wise] [4GB顯存跑70B] [零精度損失] [mmap按需載入]
📅 2026-08-14 更新快訊
- 深度解析 Google DeepMind 發表於《Nature》的 Agentic Profiles 論文 本文從自主性(A)、效能(E)、目標複雜度(GC)與泛化能力(G)四大維度,拆解 AI Agent 的風險矩陣、相變效應與企業零信任治理對策。
📅 2026-07-25 更新快訊
- CADDesigner
[2026]🔥 [CAD建模] [AI智慧體] [ECIP範式] [計算機輔助設計] - text-to-cad
[2026-07-22]🔥 [CAD建模] [Agent技能] [build123d] [硬體設計] - MV3DT
[2026-07]🔥 [多視角3D追蹤] [去中心化架構] [自動標定] [DeepStream] - VisualAD
[2026-03-09]🔥 [零樣本異常檢測] [CVPR 2026] [視覺純化] [多領域 SOTA] - Arbor
[2026-06-11]🔥 [自主科研] [Agent框架] [Hypothesis-Tree] [Autonomous Optimization] - HyGRAG
[2026-06-18]🔥 [GraphRAG] [多跳推理] [知識融合] [動態更新] - Nemotron-Labs-Audex (Audex-30B-A3B / Audex-2B)
[2026-06-08]🔥[統一音訊文本模型][單一解碼器][文字稅零退步][開源通用音效生成] - Heretic
[2025-01-01]🔥[安全去對齊][機械可解釋性][自動參數優化][開源平替] - EReCu
[2026-03-12]🔥 [無監督偽裝目標檢測] - OpenWorker
[2026-07-23]🔥[開源智能體桌面應用][本地優先][模型隨你挑][無人值守] - MAGIC
[2026-03]🔥 核心優勢:**少樣本缺陷生成全新 SOTA,打通「學術優雅」與「產線現實」的擴散模型神作! - MoECLIP
[2026-03-29]🔥 核心優勢:裝上一群分工明確的專家,解鎖零樣本異常檢測(ZSAD)全新工業級霸主! - Huobao Drama
[2026-05]🔥 核心優勢:打破傳統影視製作高牆,首款將「創意劇本➔分鏡➔音效➔成片」全流程打通的開源自動化短劇生產線! - Remotion Skills
[持續更新]🔥 核心優勢:顛覆「黑盒文生影片」,用 AI 寫 React 程式碼來「精確渲染」影片的工程化革命! - Vidu S1
[2026-07-03]🔥 核心優勢:國內首款消費級顯卡可流暢運行的無限實時交互視頻大模型! - Wan-Streamer
[2026-05]🔥 核心優勢:全球首款打破模塊拼接延遲、實現「看聽說做表情」五條件全滿的端到端全雙工音視訊交互大模型!
📅 2026-07-15 更新快訊
- MinerU-Popo (Universal Post-Processing Model for Structured Document Parsing)
[2026-05-24]🔥[RAG前處理][文件級OCR後處理][跨頁結構重建][動態分塊同步] - ViT³ (ViT with Test-Time Training)
[2025-12-16]🔥[視覺長序列建模][線性複雜度][極限省顯存][CVPR 2026 Best Paper Finalist] - ADSeeker (Knowledge-Grounded Reasoning Framework)
[2026-07-11]🔥[多模態異常推理][多模態 RAG][零樣本 SOTA][稀疏特徵定位] - UniSpector (Spectral-Contrastive Visual Prompting)
[2026-04-23]🔥[開集缺陷識別][視覺提示大模型][免重訓冷啟動][SOTA 霸主] - Omni-AD: A Large-scale and Versatile Benchmark for Industrial Anomaly Detection
[2026-06-25]🔥[工業異常通用基準][真實產線數據][雙協議評測][大模型質檢噩夢] - CCL (Contextual Consistency Learning)
[2026-03-29]🔥[開放詞彙檢測][訓練側增強][零推理延遲][跨場景泛化] - FastRef (Fast Prototype Refinement for Few-shot Industrial Anomaly Detection)
[2026-03-29]🔥 - AG-VAS (Anchor-Guided Zero-Shot Visual Anomaly Segmentation)
[2026-03-05]🔥[零樣本二值分割][語義錨點黑科技][開箱即用][強泛化] - [CVPR 2026] LAVIDA (No Need For Real Anomaly: MLLM Empowered Zero-Shot Video Anomaly Detection Framework)
[2026-07-11]🔥 - GS-CLIP (Geometry-Aware Prompt and Synergistic View Representation Learning)
[2026-03-29]🔥 - Rethinking Transfer Learning for Industrial Inspection: DINOv3 vs. ImageNet Pretraining Across RGB and X-ray Tasks
[2026-05]🔥[工業選型指南][遷移學習重新審視][反直覺硬核實測] - CoPS (Conditional Prompt Synthesis for Zero-Shot Anomaly Detection)
[2026-07]🔥[零樣本跨域][條件化動態提示][工業醫學雙全能][SAGA空間感知] - [ICCV 2025] TF-IDG (Training-Free Industrial Defect Generation with Diffusion Models)
[2025-10]🔥[免訓練黑科技][One-Shot資料增廣][產線冷啟動][台灣原生強權] - DiCLIP (Diffusion Enhanced CLIP for Weakly Supervised Segmentation)
[2026-06]🔥[弱監督分割 WSSS][知識遷移][訓練降本 90%][生成式賦能] - HR-SemNet (High-Resolution Network for Small Object Detection)
[2026-03]🔥[小目標神作][無人機巡檢][計算量腰斬][極致輕量] - VGGT-S (VGGT-Segmentor)
[2026-04]🔥[跨視角分割][幾何增強][Ego-Exo對齊][免配對預訓練] - Unlimited-OCR (無限 OCR)
[2026-06]🔥[長文件解析][R-SWA注意力][恆定顯存][端到端SOTA] - AnomalyVFM (Transforming Vision Foundation Models into Zero-Shot Anomaly Detectors)
[2026-01]🔥[零樣本冷啟動][純視覺VFM][虛擬產線數據][極速推論] - WinCLIP (Zero-/Few-Shot Anomaly Classification and Segmentation)
[2023-06]🔥[零樣本AOI][CLIP特徵升維][狀態提示詞][冷啟動救星] - Supertonic v3
[2026-09]🔥[99M極致輕量][純CPU推論][本地隱私][ONNX/WebGPU] - InvAD (Inversion-based Reconstruction-Free Anomaly Detection)
[2026-04]🔥[擴散模型][免重建][極速推論][工業AOI] - SEATrack (Simple, Efficient, and Adaptive Multimodal Tracker)
[2026-06]🔥[多模態追蹤][PEFT極致輕量][極端場景特化][邊緣算力首選] - Voicebox
[2026-05]🔥[ElevenLabs平替][全端語音工作站][零樣本克隆][MCP協議][本地部署] - parakeet.cpp (NVIDIA Parakeet C++ 實作)
[2026-06]🔥[C++17重寫][極速ASR][邊緣運算][流式識別][ggml架構] - PixelRAG
[2026]🔥[視覺RAG][多模態檢索][幻覺剋星][Qwen3-VL底座] - Fine-VAD (Fine-Grained Video Anomaly Detection)
[2026-06]🔥[細粒度異常檢測][影片安防][CLIP多級對齊][漸進式學習] - MonoSAOD (Monocular 3D Object Detection)
[2026-04]🔥[單目3D偵測][稀疏標註][偽標籤治理][工業級過濾]
📅 2026-06-20 更新快訊
- LLM-Offense:
- 新增 SecSkills 自動化滲透測試技能包,提升資安測試效率。
- LLM-Guard:
- Nemotron 3.5 Content Safety (多模態安全護欄)
- Computer-Vision:
- 新增 Uni-RCM 跨模態多類別統一異常檢測框架與 CaptionFormer 統一架構,強調其核心優勢與解決痛點,並更新 PP-OCRv6 及 PaddleOCR-VL-1.6 的詳細介紹,提升使用者體驗。
- Speech-Processing:
- 新增 Nemotron 3.5 ASR 模型資訊,強調其低延遲與多語種支援,並更新 Voxtral Realtime 模型的核心優勢與推薦場景。
- Large-Language-Model:
- 新增多模態安全護欄與自動化滲透測試技能包,強化 AI 安全防護與紅隊演練能力。
- 新增 Remotion Skills 代碼驅動影片框架,強化影片生成與自動化剪輯功能。
- 新增 Google Colab CLI 和 OpenMontage 於 LLM 資源中,強化雲端計算與影片製作自動化功能
📅 2026-06-03 更新快訊
- Computer-Vision:
- MeDS
- DINO-CLIP-SAM、Anti-Forgetting Sampling Strategy、CAFe-DINO、ConceptSeg-R1、ViCrop-Det、OneNIP、JUDO
- PaddleOCR-VL-1.6、Boxes2Pixels、SceneScribe-1M、FT-FSOD、Duix Avatar、FrequencyCM × C3k2、BCSI、AVA-DINO
- DetAny4D、FoundAD、LocateAnything-3B及SANA
- Speech-Processing:
- Mega-ASR、OmniVoice Studio
- Large-Language-Model:
- Infinity-Doc2-5M
📅 2026-05-18 更新快訊
- Speech-Processing:
- Speaker-Reasoner:(ASLP-lab) 打破多說話人重疊語音與身份漂移的魔咒,首創「智慧體多輪時序推理」的端到端語音大模型神作!
- OpenAI Realtime API 低延遲語音架構解析:揭開 ChatGPT Voice 不到 0.3 秒極速對話的底層秘密!
- WhisperPipe:打破 Whisper 串流「越跑越卡、記憶體爆炸」的魔咒,首創資源恆定的極低延遲(89ms)即時語音轉寫管線!
- OmniVoice Studio:打爆 ElevenLabs 的全能型本地語音工作室,3秒極速克隆 646 種語言!
- Moonshine Voice:樹莓派也能流暢運行的即時 ASR 神作,實時處理速度輾壓 Whisper 100 倍!
- Supertonic 3:終結雲端 API 依賴的邊緣運算霸主,僅約 99M 參數在純 CPU 上最高實現 0.006× 實時因子的極速 TTS!
- LLM-Offense:
- DeepAudit (自動化深度程式碼安全稽核大腦):首創「大膽假設,沙箱求證」的 Multi-Agent 自動化漏洞挖掘與 PoC 驗證平台
- Large-Language-Model:
- Vercel Agent Browser (AI 原生瀏覽器自動化引擎):專為 AI Agent 量身打造的革命性瀏覽器自動化工具,上下文 Token 消耗暴力銳減 93%!
- CLI-Anything (Agent 專屬軟體 CLI 生成器)
- Skyvern (視覺化網頁自動化 Agent)、DeepXiv (科研 Agent 的文獻基建)
- Academic-Search (科研智能體專屬文獻檢索技能)
- ai-website-cloner-template (AI 網頁逆向與生成神器)
- Gemma-4-31B-CRACK (資安紅隊越獄專武)
- Anthropic-Cybersecurity-Skills (資安 Agent 終極技能庫)
- Awesome-Design-MD (AI 視覺設計說明書)
- HyperFrames (HeyGen 代碼驅動影片渲染框架)
- Hyper-Extract:首創「八大強類型結構」與「知識增量演進」的 Graph-RAG 前處理終極神作。
- OpenCLI (網頁與私域數據 CLI 化神器):終結 Agent 視覺解析的高昂成本,將全網與本地應用直接化為 AI 專屬的「命令行 API」神作!
- DCI-Agent-Lite (Direct Corpus Interaction):拋棄 Embedding 與向量庫,讓 Agent 直接用 Bash 指令「裸搜」語料的 RAG 顛覆神作!
- Universal Data Tool:打破商業標註平台高昂成本,一站式搞定圖、文、音、影全模態標註的開源協作神作!
- Phi-Ground-Any-4B (微軟):專為 AI Agent 打造的「精準點擊」視覺定位神作,徹底打通電腦控制的最後一哩路!
- Hugging Face ml-intern:重新定義「AI 幫我做研究」!能自主讀論文、找資料、寫腳本並提交 GPU 訓練的開源 ML 實習生。
- EssenceBench:終結海量題海戰術的評測革命,用 1/200 的題量精準還原 95% 的大模型榜單排名!
- LLM Wiki:將 Andrej Karpathy 的 AI 知識庫理念完美落地的神作!從被動 RAG 檢索進化為具備「深度研究 (Deep Research)」與「視覺化知識圖譜」的自主學習大腦。
- Jina Embeddings V5 Omni:打破模態孤島的全模態向量化霸主,真正實現圖、文、音、影「大一統」且完全相容舊有文字索引!
- Claude for Legal (Anthropic):Anthropic 官方開源的法律業專屬 Agent 智慧體全家桶,無縫接入 20+ 專業系統的自動化法務大腦!
- Computer-Vision:
- Stirling-PDF (全能隱私安全 PDF 處理基礎設施)
- PDFMathTranslate
- Remotion Skills (AI 代碼驅動影片框架)
- Infinity-Parser2:打破大廠閉源壟斷的文檔解析天花板,單一模型通吃六大任務的開源霸主!
- SAM3-LoRA:打破通用大模型在專業領域「水土不服」的魔咒,6GB 顯存即可實現 SAM3 的極速領域特化!
- EUPE: DINOv3 + SAM + CLIP 三模合一輕量檢測框架:打破大模型落地門檻的開箱即用神器,將 DINOv3、SAM 與 CLIP 的跨域超能力濃縮進極致輕量的檢測管線!
- LuoHuaLabel (基於 SAM 3 的智慧標註神器):徹底解放雙手的資料標註黑科技,以 SAM 3 驅動的次世代視覺標註系統!
- DINO-AD:打破模型微調成本高牆的免訓練 (Training-Free) 異常檢測黑科技!
📅 2026-05-13 更新快訊
- Large-Language-Model:何愷明團隊重磅推出 ELF (Embedded Language Flows)。
- Speech-Processing:ControlAudio、SpeakerRPL V2、Voxtral-Mini-4B-Realtime。
- Computer-Vision:SVOR (Stable Video Object Removal、SubspaceAD、SAM3-I、X2SAM、RNS (Retrieve and Segment)、RefineAnything、CyberVerse、InfiniteTalk

