是一个开源的简单实用的多模式工具库，它提供了视觉标记可交互元素、页面截图OCR识别、文本元素标记等功能，为网页交互代理提供了更深层次的视觉和文本处理能力。
该工具库通过在页面上使用方括号+id的方式对可交互元素进行视觉标记，提供了元素和id之间的映射，使得GPT-4（V）可以对这些元素进行操作。
Tarsier还提供了OCR工具，可以将页面截图转换为LLM可理解的字符串，为没有视觉能力的LLM提供了更深层次的交互能力。
此外，Tarsier还提供了一些示例代理，如自主LangChain和自主LlamaIndex，可以演示Tarsier的使用方式。
总之，Tarsier通过提供视觉标记、OCR识别等功能，为网页交互代理提供了更丰富的交互能力，为现有的视觉语言模型的性能问题提供了解决方案。
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
SALMONN是一个多模态神经网络，能够直接处理和理解包括语音、音频事件和音乐在内的一般音频输入，并在多种语音和音频任务上取得竞争性表现。论文地址:采用了两个互补的音频编码器，一个用于处理语音，另一个用于处理非语音音频事件，以实现对各种音频任务的优越性能。这一研究有望推动具有通用听觉能力的人工智能的发展。
FerretAI是一款旨在帮助用户在进入商业协议之前获取网络背景信息的AI工具。这个工具自动监控各种信息来源，包括报纸档案、法律记录和公司所有权记录，以审查潜在的客户、投资者和商业伙伴。尽管该工具当前收集的所有数据都是公开可获得的，但仍会引发潜在的隐私担忧。
11月8日-10日，2023年世界互联网大会乌镇峰会系列活动成功举行。今年正值乌镇峰会十年之际，受到了国际社会的广泛关注，共有来自126个国家和地区的1800多位嘉宾参会，国别数创历届峰会新高。在接下来的圆桌讨论环节，刘东作为主持人邀请国内外嘉宾共同探讨了下一代互联网的创新发展与国际合作，他在论坛总结中提出，下一代互联网的应用发展不再局限于部分国家、地区和行业，只有相互渗透和融合才能提升创新广度和深度，技术、标准越开放才能越进步在主持“全球发展倡议数字合作论坛”主题发言中，刘东和与会嘉宾共同围绕“增强数字合作新动能迈向全球发展新征程”的主题，就如何在全球发展倡议指引下，把握新科技浪潮，深化数字领域务实合作，推动全球发展迈向新阶段，携手构建网络空间命运共同体进行了研讨。
S13全球总决赛八强最后一场LNG对阵T1的比赛，LNG以0:3的比分被T1战队横扫队内打野选手Tarzan的惨不忍睹的表现也遭到众多网友的批评。主要是因为Tarzan野区节节败退，然后拖累其他路，和之前在LPL的表现完全不同。Scout目前的实力还是在LPL的前几位，估计离开的可能性也不太大。
南洋理工大学、清华大学等发布了一种名为Octopus的视觉可编程智能体，它通过在大量视觉输入和可执行代码的数据对的训练中学会了如何操控电子游戏的角色完成游戏任务，或者完成复杂的家务活动。Octopus具备规划推理和根据实时环境做出反馈的能力，能够理解真实世界并生成可执行代码来完成各种实际任务。这一研究对于实现大模型的具身智能化具有重要意义，为进一步探
Midjourney最新推出的StyleTuner工具让品牌、企业和创作者能够以一致的风格生成多个图像，这是一个重要的创新。用户需要重复描述文本来实现一致的风格，但这并不总是有效。Midjourney的StyleTuner工具为用户提供了更多灵活性和控制，使他们能够以更一致的风格生成图像，这对于企业和品牌来说是一项重大突破。
专家表示，人工智能和6G网络的结合将从根本上改变我们的工作和生活方式，为虚拟现实、互动3D头像、多感官通信、协作机器人和自动驾驶等应用带来性的变化。通讯行业的专家和研究者强调了人工智能与第六代通讯技术结合的潜力。GSMA的一份报告建议，采用能效更高的锂离子电池可能会优化这项技术的效能。
2023年SlashNext网络钓鱼报告揭示了一个引人注目的趋势:自2022年第四季度以来，恶意网络钓鱼邮件数量惊人地增长了1265%。这一数字预示着网络犯罪进入了一个全新时代，这一趋势的崛起与生成式人工智能的广泛应用密切相关。这表明网络犯罪分子正在广泛利用各种渠道来传播他们的网络钓鱼攻击。
GPTs是一个创新方式，允许任何人根据自己的日常需求、特定任务、工作或家庭生活，定制个性化的ChatGPT，并且可以将这些定制版本分享给他人。GPTs能协助您掌握任何桌面游戏的规则、辅助孩子学习数学或者设计个性贴纸。如果您想查看更多AI产品介绍，可以关注「Aibase产品库」了解。
最新研究表明，卷积神经网络在大规模数据集上能够与视觉变换器媲美，挑战了以往认为视觉变换器在这方面具有卓越性能的观点。在计算机视觉领域，ConvNets一直以来都是在各种基准测试中取得卓越性能的标准。这些结果突显了同时扩展计算和数据资源的重要性，为计算机视觉研究的未来带来了新的启示。
Morise.ai 是一个 AI 助力工具箱，帮助 YouTube 创作者更高效地创建内容。它提供智能创意、标题生成、视频描述生成、标签生成等功能，可帮助创作者节省时间、提高视频质量，并帮助视频更好地排名和吸引观众。Morise.ai 已被许多知名创作者使用，广受好评。
Wole.AI是一款AI内容生成工具，支持超过40种语言，可帮助用户快速生成高质量的产品描述、博客大纲等内容，提高销量、改善SEO，用户还可以使用ChatBot功能进行头脑风暴，满足客户需求。定价分为免费版和Pro版，Pro版拥有更多功能和无限字数生成。
CramJam是一款在线学习平台，能够帮助用户快速高效地学习知识，节省学习时间。它提供了丰富的学习资源和智能化的学习方式，让用户能够更聪明地学习更多的知识。定价灵活，适合不同需求的用户。
京言 AI 助手是一款能够提供专业品类咨询、个性化送礼助手、产品对比助手、购物经验知识等功能的 AI 智能导购助手。它由京东集团 CEO 许冉表示，已在消费导购、商家经营、客服售后、医疗问诊等多个供应链场景中试点接入，并取得了良好的效果。其能力还将开放给更多品牌商家，并在内部经营管理中实现了 20% 以上的效率提升。
Skillflow是一个专为学习而设计的人工智能平台。与ChatGPT不同，Skillflow只需要一个简单的提示就可以开始探索一个主题。此外，Skillflow的结构就像一个视频游戏，使整个过程更有趣！Skillflow使用最先进的模型来生成课程内容、游戏、个性化课程等。阅读内容并通过测试以继续进入下一个模块。无论是初学者还是专家，都可以依靠Skillflow。Skillflow使用户能够追随他们独特的兴趣，从幼儿园到博士。85%的用户表示Skillflow提高了他们的智商，86%的用户感到他们的专注能力增强了，88%的用户在主题方面感到比以前更有信心。
QWIP是一款人工智能咨询应用，用户可以随时随地咨询医生、兽医、律师、厨师等专家，每天可免费获取3条信息，付费可以解锁无限使用。应用提供服务内容包括医疗、法律、美食等多个领域，旨在为用户提供时时刻刻的个性化咨询服务。定价为免费，可通过应用内购买解锁更多功能。
创新艺术字是一款能够通过自定义的概念，对文字进行变形和纹理生成的工具。用户可以通过该工具构建富有创意的个性化字形和纹理。该工具具有简单易用的界面和丰富多样的字体和纹理选项，可以满足用户在设计中对文字表现形式的需求。创新艺术字定位于为设计师、艺术家等提供创意灵感和设计元素。
ChatAnything旨在向LLM-based的虚拟人物注入人格、外貌和声调，实现在线视频聊天。用户只需提供文本描述，即可产生拥有具体外貌、个性和说话方式的虚拟人物。ChatAnything利用LLM的上下文学习能力为人格生成提供基础，然后提出了两个创新概念：声音混合技术（MoV）和外貌混合技术（MoD），用于多样化声音和外貌生成。它的主要功能包括虚拟人物肖像生成、性格生成、声音生成和面部驱动生成。使用场景包括制作视频聊天、互动虚拟人物等。
Fini AI是一个强大的自助式、24/7互动聊天工具，通过训练知识库与知识库链接，帮助您更好地与用户交流并留住更多用户。不需要集成，只需添加知识库链接，即可获得互动问答聊天。为客户的所有问题提供24/7即时答案，提供一个让客户满意的神奇体验。
GitLab Duo Chat是GitLab的AI对话助手,可以帮助用户提问并获取GitLab相关信息。它使用大语言模型,可以处理自然语言问题并提供回答。
Music ControlNet 是一种基于扩散的音乐生成模型，可以提供多个精确的、时变的音乐控制。它可以根据旋律、动态和节奏控制生成音频，并且可以部分指定时间上的控制。与其他音乐生成模型相比，Music ControlNet 具有更高的旋律准确度，并且参数更少、数据量更小。定价信息请访问官方网站。
Endless Zoom是一个开源项目，可以实现无限缩放功能。用户可以在其中添加自定义内容，进行无限缩放操作。该项目定位于为用户提供开放源代码的无限缩放工具，帮助用户实现更多创意和想法。目前该项目免费使用。
Polymath利用机器学习将任何音乐库（例如来自硬盘或YouTube）转换为音乐制作样本库。该工具能自动将歌曲分割成节拍、贝斯等音轨部分，将它们量化到相同的速度和节拍格（例如120bpm），分析音乐结构（例如副歌、合唱等），关键（例如C4、E3等）和其他信息（音色、响度等），并将音频转换为MIDI。结果是一个可搜索的样本库，能简化音乐制作人、DJ和ML音频开发者的工作流程。
Huddles是一个AI驱动的会议议程管理工具,专为提高团队协作效率而设计。它可以在一分钟内自动生成专业的会议议程,实时跟踪会议进展,汇总会议纪要,跟进会议决议执行情况,确保每次会议都能取得明确成果,从而显著提升团队生产力。
Onboard AI是一款利用人工智能辅助导航陌生代码库的工具。通过克隆GitHub存储库和提问来帮助用户熟悉代码库结构和功能；优势在于帮助用户快速理解和定位代码，提高开发效率。产品定价灵活，定位于开发者和团队。
AI Blogger是一个基于AI的Wordpress博客写作助手,能够帮助用户轻松地创作引人入胜的博客文章。该产品具有强大的AI驱动写作功能,用户只需提供主题或提示,AI Blogger即可自动生成高质量的文章草稿。用户可以自定义生成的内容,根据需要进行修改添加。该产品提供50%的限时启动优惠,每个许可证可用于一个网站,包含全部功能和终身免费升级服务。AI Blogger致力于提高用户的写作效率,节省用户创作时间。
Chunker AI擅长将文本分解为块，并使用ChatGPT进行批量处理。它的优势在于可以修复扫描文档中的错误、将简要草稿扩展为详细内容、简化科学语言、提取要点和批量翻译国际语言。产品定位于成为文本处理的未来。
LOGO123 是一款超级智能好用的 Logo 在线设计生成器，为您提供免费公司 logo 设计制作。只需输入品牌名称就能免费在线生成公司 logo 设计及配套企业 VI，轻松打造您的个性品牌！我们还提供配套名片、企业 VI、专业出品、版权可商用等服务，帮助您打造完整的品牌形象。
Stickerific 是您的 AI Magic 个性化贴纸工作室！用户可以用文字描述想法，然后观看人工智能将其转换为精美贴纸，即时下载并轻松分享。贴纸可整理成套装，轻松与消息应用程序集成。产品定位于丰富消息体验，提升创造力与趣味。
摹小仙是 AI 模特商拍工具，可实现 AI 模特试衣换装，无需下载，免费在线生成 AI 模特换装图！大幅降低电商平台商品拍摄成本。
