文生圖模型近幾年取得了顯著進(jìn)展，但現(xiàn)有模型在實(shí)際應(yīng)用中仍有很多局限。大多數(shù)模型只能單一生成圖片，無法對(duì)圖片進(jìn)行精細(xì)化調(diào)整。為了應(yīng)對(duì)這一挑戰(zhàn)，rock 團(tuán)隊(duì)推出了文生圖模型 Chroma 。

Chroma 是基于 FLUX.1-schnell 的 8.9 B 參數(shù)模型。該模型可實(shí)現(xiàn)影視級(jí)調(diào)色、特效合成和風(fēng)格化渲染，帶來專業(yè)級(jí)視覺效果，同時(shí)涵蓋動(dòng)漫、獸類、藝術(shù)作品和照片等多種類型。該模型目前可以通過 ComfyUI 調(diào)用，幫助用戶實(shí)現(xiàn)個(gè)性化創(chuàng)作。相較于傳統(tǒng)特效軟件，操作起來更加簡(jiǎn)單方便。

HyperAI 超神經(jīng)現(xiàn)已上線「ComfyUI Chroma 工作流在線教程」，快來試試吧~

5 月 19 日-5 月 23 日，hyper.ai 官網(wǎng)更新速覽：

* 優(yōu)質(zhì)公共數(shù)據(jù)集：10 個(gè)

* 優(yōu)質(zhì)教程精選：16 個(gè)

* 社區(qū)文章精選：6 篇

* 熱門百科詞條：5 條

* 5 月截稿頂會(huì)：3 個(gè)

公共數(shù)據(jù)集精選

1. M2RAG 多模態(tài)評(píng)估基準(zhǔn)數(shù)據(jù)集

該數(shù)據(jù)集將圖像和文本數(shù)據(jù)相結(jié)合，模擬真實(shí)場(chǎng)景中的信息檢索與生成任務(wù)，例如新聞事件分析、視覺問答等，著重評(píng)估 MLLMs 在多模態(tài)上下文中利用檢索文檔知識(shí)的能力，包括對(duì)圖像內(nèi)容的理解、圖文關(guān)聯(lián)推理以及事實(shí)判斷等方面。

數(shù)據(jù)集示例2. Geometry3k 幾何問題數(shù)據(jù)集

該數(shù)據(jù)集描述了豐富多樣的幾何問題，如求解角度、邊長(zhǎng)、面積、周長(zhǎng)等，總共有 6,293 個(gè)文本項(xiàng)。圖表用于輔助呈現(xiàn)幾何問題中的圖形信息，如各種幾何形狀（三角形、圓形、四邊形等）及其相互關(guān)系，總共有 27,213 個(gè)文本項(xiàng)。

數(shù)據(jù)集示例

3. LLM4Mat-Bench 晶體 結(jié)構(gòu) 數(shù)據(jù)集

該數(shù)據(jù)集收錄了約 197 萬條晶體結(jié)構(gòu)樣本，來自 10 個(gè)公開材料數(shù)據(jù)庫，涵蓋 45 種不同的材料物理與化學(xué)屬性，是迄今為止用于評(píng)估大型語言模型（LLM）用于材料性能預(yù)測(cè)的性能的最大基準(zhǔn)。

數(shù)據(jù)集示例

4. SeniorTalk 老年人對(duì)話中文語音數(shù)據(jù)集

該數(shù)據(jù)集包含多維度的精細(xì)標(biāo)注，包括說話人信息、對(duì)話內(nèi)容轉(zhuǎn)寫、時(shí)間戳（包含句子級(jí)和詞級(jí)）、口音類別 標(biāo)簽 等。這些來自真實(shí)世界的數(shù)據(jù)將為深入研究老年人語音信號(hào)、優(yōu)化老年人語音交互系統(tǒng)提供寶貴支撐，并推動(dòng)如設(shè)備適老化、健康管理、輔助養(yǎng)老機(jī)器人等相關(guān)產(chǎn)業(yè)的發(fā)展。

老年人地域分布

5. DeepMath-103K 數(shù)學(xué)推理數(shù)據(jù)集

該數(shù)據(jù)集重點(diǎn)關(guān)注 5-9 級(jí)難度的數(shù)學(xué)問題，涵蓋代數(shù)、微積分、數(shù)論、幾何、概率、離散數(shù)學(xué)等多個(gè)領(lǐng)域，側(cè)重挑戰(zhàn)復(fù)雜推理能力，該數(shù)據(jù)集還通過語義匹配針對(duì)常見基準(zhǔn)進(jìn)行了細(xì)致的去污染處理，最大限度減少測(cè)試集泄露并促進(jìn)模型公平評(píng)估。

DeepMath-103K 的數(shù)學(xué)主題的分層分類

6. OpenMathReasoning 數(shù)學(xué)推理數(shù)據(jù)集

該數(shù)據(jù)集包括數(shù)學(xué)問題類型標(biāo)簽、詳細(xì)解題步驟、問題難度等級(jí)劃分等。這些源于數(shù)學(xué)專業(yè)領(lǐng)域與在線社區(qū)的高質(zhì)量數(shù)據(jù)，為深入研究數(shù)學(xué)推理過程、優(yōu)化數(shù)學(xué)解題模型提供了堅(jiān)實(shí)有力的支撐，并推動(dòng)如智能數(shù)學(xué)輔導(dǎo)系統(tǒng)、數(shù)學(xué)競(jìng)賽輔助工具、科研計(jì)算自動(dòng)化等相關(guān)產(chǎn)業(yè)的蓬勃發(fā)展。

7. VL3-Syn7M 多模態(tài)圖像-文本數(shù)據(jù)集

該數(shù)據(jù)集包含多維度的精細(xì)標(biāo)注，包括圖像的詳細(xì)字幕、簡(jiǎn)短字幕以及圖像來源信息等，并且涵蓋場(chǎng)景圖像、文檔圖像、文本圖像等多種類型的數(shù)據(jù)，為模型學(xué)習(xí)多模態(tài)信息提供豐富素材。

8. Material DFT 材料屬性數(shù)據(jù)集

該數(shù)據(jù)集涵蓋了多種化學(xué)成分和物理屬性，每條數(shù)據(jù)對(duì)應(yīng)一種獨(dú)特的材料。所有屬性均通過密度泛函理論（DFT）計(jì)算獲得，這是材料行為預(yù)測(cè)中廣泛使用的計(jì)算方法。該數(shù)據(jù)集適用于材料屬性建模、機(jī)器學(xué)習(xí)訓(xùn)練以及材料發(fā)現(xiàn)等任務(wù)，為 數(shù)據(jù)科學(xué) 家與研究人員提供了強(qiáng)有力的基礎(chǔ)數(shù)據(jù)支持。

9. Youngs Modulus 楊氏模量數(shù)據(jù)集

楊氏模量是衡量材料抵抗形變能力的一個(gè)物理量，其值越大，材料越不容易發(fā)生形變。該數(shù)據(jù)集包含了 393 個(gè)數(shù)據(jù)點(diǎn)，旨在通過測(cè)量晶體在不同方向上的楊氏模量來表征材料的各向異性。

10. ChildMandarin 兒童中文對(duì)話語音數(shù)據(jù)集

該數(shù)據(jù)集專為解決該年齡段普通話語音數(shù)據(jù)稀缺的問題而設(shè)計(jì)，旨在支持兒童 語音識(shí)別 、說話人驗(yàn)證等相關(guān)研究領(lǐng)域的發(fā)展。

公共教程精選

圖像生成教程

1. ComfyUI Chroma 工作流在線教程

Chroma 是由 rock 于 2025 年推出的文生圖模型，基于 FLUX.1-schnell 的 8.9 B 參數(shù)模型。該模型目前仍在訓(xùn)練中，訓(xùn)練數(shù)據(jù)集從 20 M 樣本中精心挑選出 5 M 數(shù)據(jù)，涵蓋動(dòng)漫、獸類、藝術(shù)作品和照片等多種類型。

本教程采用資源為單卡 RTX 4090，僅支持英語提示詞。

Demo 示例

2. FractalGen：逐像素的高分辨率圖像生成 FractalGen 是一種基于分形思想的新型圖像生成技術(shù)，它通過分形 生成模型 （Fractal Generative Models）實(shí)現(xiàn)了逐像素的高分辨率圖像生成，顯著提升了計(jì)算效率，解決了傳統(tǒng)生成模型在高分辨率圖像生成中的計(jì)算瓶頸。
該項(xiàng)目已以 notebook 的形式部署完畢，一鍵克隆即可逐步體驗(yàn)！

Demo 示例

3. PixelFlow：像素空間圖像生成方案

PixelFlow 項(xiàng)目是一系列直接在原始像素空間中運(yùn)行的圖像生成模型，與主要的潛在空間模型形成鮮明對(duì)比。

文本到圖像的定性結(jié)果表明，PixelFlow 在圖像質(zhì)量、藝術(shù)性和語義控制方面表現(xiàn)出色。

Demo 示例

4. HiDream-I1-Full 圖像生成 Demo

HiDream-I1 項(xiàng)目是一種全新的 開源 圖像生成基礎(chǔ)模型，HiDream-I1-Full 擁有 17B 參數(shù)的開源圖像生成模型，另外兩個(gè)版本分別是 HiDream-I1-Dev 和 HiDream-I1-Fast 。 HiDream-I1-Full 在性能上表現(xiàn)最為出色，能夠在幾秒鐘內(nèi)實(shí)現(xiàn)行業(yè)領(lǐng)先的圖像生成質(zhì)量。

該項(xiàng)目相關(guān)模型和依賴已經(jīng)部署完畢，啟動(dòng)容器后點(diǎn)擊 API 地址即可進(jìn)入 Web 界面。

Demo 示例

5. OminiControl：多功能圖像生成與控制

OminiControl 是一個(gè)最小但功能強(qiáng)大的通用控制框架，適用于 FLUX 等 Diffusion Transformer 模型 ?？梢酝ㄟ^使用 FLUX 模型自定義任何控制任務(wù)（3D 、多視圖、姿勢(shì)引導(dǎo)等）來創(chuàng)建自己 OminiControl 模型。

本教程基于 OminiControl 通用控制框架，算力資源采用單卡 A6000 。

Demo 示例

AI for Science 教程

1. Prithvi-EO-2.0 多時(shí)相地球觀測(cè)遙感模型 Demo

該模型包含跨多個(gè)塊和時(shí)間戳的空間和時(shí)間注意機(jī)制。此外，時(shí)間和位置信息通過嵌入添加到模型輸入中。

本教程使用 Prithvi-EO-2.0-300M 模型作為演示，算力資源采用 RTX 4090 。

Demo 示例

2. Gnnwr 時(shí)空智能 回歸 （STIR）模型 Demo

GNNWR 是一種基于 PyTorch 的時(shí)空智能回歸模型，專門用于處理空間和時(shí)間非平穩(wěn)性問題。該模型通過將地理鄰近性和非平穩(wěn) 權(quán)重 的非線性擬合轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)的表示和構(gòu)建，實(shí)現(xiàn)了對(duì)復(fù)雜地理過程的高精度建模。

該項(xiàng)目相關(guān)模型和依賴已經(jīng)部署完畢，啟動(dòng)容器后點(diǎn)擊 API 地址即可進(jìn)入 Web 界面。

Demo 示例

3. 基于 RFUAV 系統(tǒng)使用 Matlab 處理無人機(jī)信號(hào)

在通信安全與頻譜監(jiān)測(cè)中，基于射頻 (RF) 數(shù)據(jù)的無人機(jī)識(shí)別系統(tǒng)被廣泛研究。 RFUAV 項(xiàng)目通過頻譜圖分析、信噪比估計(jì)等手段，對(duì)無人機(jī)的 IQ 信號(hào)進(jìn)行分析處理。

由于原始數(shù)據(jù)暫未提供，此處數(shù)據(jù)集選用 IDLab 平臺(tái)的數(shù)據(jù)作為數(shù)據(jù)處理演示。因完整數(shù)據(jù)集過于龐大，本教程僅對(duì)其中部分?jǐn)?shù)據(jù)進(jìn)行分析。點(diǎn)擊下方鏈接一鍵部署。

Demo 示例

4. 考慮動(dòng)水壓力的 Koyna 地震非線性動(dòng)力響應(yīng)分析

Abaqus 是一款功能強(qiáng)大的有限元分析 (FEA) 軟件，廣泛應(yīng)用于工程模擬領(lǐng)域。它通過有限元方法對(duì)各種工程問題進(jìn)行模擬和分析，能夠處理從簡(jiǎn)單的線性問題到復(fù)雜的非線性問題。

該教程為 Abaqus 官方教程：混凝土重力壩的抗震分析。本例說明了混凝土損傷塑性材料模型在評(píng)估任意載荷作用下混凝土結(jié)構(gòu)穩(wěn)定性和損傷的典型應(yīng)用。

5. VASP 結(jié)合 Phonopy 計(jì)算硅的聲子譜

Phonopy 是一款用于在簡(jiǎn)諧和準(zhǔn)簡(jiǎn)諧水平下計(jì)算聲子能帶結(jié)構(gòu)、熱學(xué)性質(zhì)、群速度以及其他與聲子相關(guān)物理量的 python 工具包。

本次教程將使用自動(dòng)化腳本來進(jìn)行 phonopy 進(jìn)行演示計(jì)算流程。通過本教程，您將學(xué)會(huì)聲子譜計(jì)算的基本流程。啟動(dòng)容器后點(diǎn)擊 API 地址即可進(jìn)入 Web 界面。

Demo 示例

6. 使用 VASP 進(jìn)行機(jī)器學(xué)習(xí)力場(chǎng)訓(xùn)練

本次教程將以硅晶體為例，通過 NpT 系綜分子動(dòng)力學(xué)，演示如何訓(xùn)練 vasp 機(jī)器學(xué)習(xí)力場(chǎng)。通過本教程，您將學(xué)會(huì)機(jī)器學(xué)習(xí)力場(chǎng)訓(xùn)練的基本流程。啟動(dòng)容器后點(diǎn)擊 API 地址即可進(jìn)入 Web 界面。

在線運(yùn)行：https://go.hyper.ai/JssLr

Demo 示例

7. VASP 結(jié)合 Phonopy 計(jì)算硅的比熱容

VASP 是一個(gè)計(jì)算機(jī)程序，用于從第一性原理進(jìn)行原子尺度材料建模，例如電子結(jié)構(gòu)計(jì)算和量子力學(xué)分子動(dòng)力學(xué)。 Phonopy 是一款用于在簡(jiǎn)諧和準(zhǔn)簡(jiǎn)諧水平下計(jì)算聲子能帶結(jié)構(gòu)、熱學(xué)性質(zhì)、群速度以及其他與聲子相關(guān)物理量的 python 工具包。

本次教程將使用自動(dòng)化腳本來使用 Phonopy 進(jìn)行演示計(jì)算流程。通過本教程，您將學(xué)會(huì)比熱容計(jì)算的基本流程。啟動(dòng)容器后點(diǎn)擊 API 地址即可進(jìn)入 Web 界面。

Demo 示例

vLLM 教程

1. 一鍵部署 DeepCoder-14B-Preview DeepCoder-14B-Preview 在 LiveCodeBench v5 (8/1/24-2/1/25) 上實(shí)現(xiàn)了 60.6% 的 Pass@1 準(zhǔn)確率，比基本模型（53%）提高了 8%，并且只用 14B 參數(shù)實(shí)現(xiàn)了與 OpenAI 的 o3-mini 相似的性能。 DeepCoder-14B-Preview 采用 bitsandbytes 提供的 8-bit 量化方法來優(yōu)化顯存占用。算力資源采用 RTX4090 。啟動(dòng)容器后點(diǎn)擊 API 地址即可進(jìn)入 Web 界面。
   

Demo 示例

2. 使用 vLLM 與 Open-WebUI 部署 GLM-4-32B

GLM-4-32B-0414 在代碼工程、工件生成、 函數(shù)調(diào)用 、基于搜索的問答和報(bào)告生成方面均取得了良好的效果。特別是在代碼生成或特定問答任務(wù)等幾個(gè)基準(zhǔn)測(cè)試中，GLM-4-32B-Base-0414 實(shí)現(xiàn)了與 GPT-4o 和 DeepSeek-V3-0324(671B) 等較大模型相當(dāng)?shù)男阅堋?/p>

本教程使用 GLM-4-32B 作為演示，算力資源采用雙卡 A6000 。

Demo 示例

3. 使用 vLLM+Open-webUI 部署 Qwen3 系列模型

Qwen3 是 Qwen 系列中最新一代大型語言模型，提供全面的密集模型和混合專家 (MoE) 模型。 Qwen3 基于豐富的訓(xùn)練經(jīng)驗(yàn)，在推理、指令遵循、代理能力和多語言支持方面取得了突破性進(jìn)展，Qwen3 的應(yīng)用場(chǎng)景非常廣泛。它支持文本、圖像、音頻和視頻處理，能夠滿足多模態(tài)內(nèi)容創(chuàng)作和跨模態(tài)任務(wù)的需求。

本教程使用 vLLM+Open-webUI 作為演示，采用資源為單卡 RTX 4090 。

Demo 示例

4. 使用 vLLM 加載大模型進(jìn)行少樣本學(xué)習(xí)

該教程為在 RTX 4090 上使用 vLLM 加載 AWQ 量化 Qwen2.5-3B-Instruct 。對(duì)于每個(gè)測(cè)試問題，我們使用訓(xùn)練數(shù)據(jù)檢索一組「支持」它的類似問題?？紤]「construct」和「subject」等內(nèi)容使用一組類似的問題，我們創(chuàng)建了一個(gè)可以饋送到我們的模型的對(duì)話。

目前 HyperAI 超神經(jīng)官網(wǎng)已經(jīng)上線了「使用 vLLM 加載大模型進(jìn)行少樣本學(xué)」的一鍵部署教程，點(diǎn)擊克隆即可一鍵啟動(dòng)。

社區(qū)文章精選

1. 融合蛋白質(zhì)語言模型和圖像修復(fù)模型，麻省理工與哈佛聯(lián)手提出 PUPS，實(shí)現(xiàn)單細(xì)胞級(jí)蛋白質(zhì)定位

麻省理工學(xué)院和哈佛大學(xué)的團(tuán)隊(duì)提出了一種結(jié)合了蛋白質(zhì)序列和細(xì)胞圖像來進(jìn)行未知蛋白質(zhì)亞細(xì)胞定位的預(yù)測(cè)框架 PUPS 。該框架創(chuàng)新地結(jié)合了蛋白質(zhì)語言模型和圖像修復(fù)模型來預(yù)測(cè)蛋白質(zhì)定位，使其兼并推向未知蛋白預(yù)測(cè)的泛化能力和捕獲細(xì)胞可變性的細(xì)胞類型特定預(yù)測(cè)。

2. 浙大團(tuán)隊(duì)研發(fā) Earth Explorer 系統(tǒng)，探索深時(shí)演化/地學(xué)剖面/科研場(chǎng)景，賦能深時(shí)地球科學(xué)研究

浙江大學(xué)地球科學(xué)學(xué)院的專職研究員戚勁在中國地理學(xué)會(huì)地理模型與地理信息分析專業(yè)委員會(huì) 2025 年學(xué)術(shù)年會(huì)上，就「深時(shí)地球群智協(xié)同創(chuàng)新平臺(tái)」進(jìn)行了專題分享。從深時(shí)可視化分析系統(tǒng)（Earth Explorer）的總體概述、研發(fā)進(jìn)展以及應(yīng)用成效三個(gè)方面介紹了團(tuán)隊(duì)成果。本文為戚勁老師的分享精華實(shí)錄。

3. 基于 800 萬真實(shí)數(shù)據(jù)，康奈爾大學(xué)團(tuán)隊(duì)利用圖神經(jīng)網(wǎng)絡(luò)精準(zhǔn)預(yù)測(cè)肺癌患者生存期，發(fā)現(xiàn) 3 類致命亞型

美國康奈爾大學(xué)與再生元制藥公司提出圖編碼混合生存模型（GEMS），通過圖神經(jīng)網(wǎng)絡(luò)編碼患者電子健康記錄復(fù)雜關(guān)系并與生存分析模型結(jié)合，識(shí)別具有一致 特征 和生存結(jié)局的亞表型。

4. 首次實(shí)現(xiàn)納米晶體端到端解析，哥大團(tuán)隊(duì)提出 PXRDnet，成功解析 200 種復(fù)雜模擬納米晶體

哥倫比亞大學(xué)、斯坦福大學(xué)的研究人員提出了一種基于 擴(kuò)散模型 的生成式 人工智能 結(jié)構(gòu)解析方法 PXRDnet 。即便僅以化學(xué)式和信息稀缺的有限尺寸展寬粉末衍射圖為條件，該模型也能成功解析 200 種不同對(duì)稱性和復(fù)雜性的模擬納米晶體，涵蓋來自所有七個(gè)晶體系統(tǒng)的結(jié)構(gòu)，最小粒徑可至 10 ?。

5.Gemini 2.5 全系更新，Deep Think 加持碾壓 OpenAI

在剛剛結(jié)束的 Google I/O 2025 的主題演講中，Google 發(fā)布了多項(xiàng)重要更新，進(jìn)一步展示其在 AI 競(jìng)速賽中的實(shí)力。

6. 黃仁勛最新演講！開放生態(tài)的 NVLink Fusion 支持半定制 AI 基礎(chǔ)設(shè)施；開源人形機(jī)器人基礎(chǔ)模型

黃仁勛在 Computex 2025 上分享了英偉達(dá)在數(shù)據(jù)中心、企業(yè)級(jí) AI 和機(jī)器人領(lǐng)域的多項(xiàng)更新。

熱門百科詞條精選

1. DALL-E

2. 人機(jī)回圈

3. 倒數(shù)排序融合

4. 雙向 長(zhǎng)短期記憶

5. 大規(guī)模多任務(wù)語言理解

5 月截稿頂會(huì)

RTSS 2025 ：5 月 23 日 19:59:59

SIGGRAPH 2025 ： 月 23 日 19:59:59

ASE 2025 ：5 月 31 日 19:59:59

以上就是本周編輯精選的全部?jī)?nèi)容，如果你有想要收錄 hyper.ai 官方網(wǎng)站的資源，也歡迎留言或投稿告訴我們哦！

下周再見！