一位用戶驚人的重現了唐三彩——這種具有千年歷史的中國陶器以其鮮豔的三色釉而聞名。 通過將騰訊HY 3D用於初步建模，並使用Adobe進行雙重燒製釉的模擬，他們將千年的文化遺產帶入了數位領域。 在我們進入馬年🐎之際，祝大家新年創意滿滿，繁榮昌盛！🧧

我們已經開源了 HY-1.8B-2Bit，這是一個為設備部署而構建的高效 2 位 LLM。該模型將 1.8B 基礎縮小到有效的 0.3B 參數佔用，僅需 600MB 的存儲空間，這使其比許多移動應用程序更小。 🔹 超低位策略：使用 QAT（量化感知訓練）來達到 2 位表示（0.3B 位等效大小）。 🔹 雙重思維推理：儘管精度大幅降低，仍保留複雜的雙重 Chain-of-Thought 能力。 🔹 性能：在 Apple M4 和 MediaTek Dimensity 9500 上的預填充速度快 3-8 倍；設備上的標記生成速度快 2-3 倍。 🔹 基準增益：在相同大小的模型中，平均準確率領先 17%。 🔹 硬體協同：針對 Arm SME2 和現代消費者矽晶片進行優化。 HY-1.8B-2Bit 現在以 GGUF 格式提供，便於無縫集成到邊緣推理引擎中。 項目頁面： 權重： GGUF 版本： 技術報告：

🚀 我們很高興開源 HY3D-Bench，這是一個統一的高品質 3D 資產生成數據集。針對數據稀缺和不一致的評估，我們提供了一個龐大的、可用於訓練的資料庫。 核心亮點： - 超過 252k 高保真 3D 物件（經過嚴格篩選） - 超過 240k 結構化的部件級分解數據，以便進行細粒度控制 - 125k AIGC 合成資產以保持類別平衡 - Hunyuan3D-2.1-Small：一個輕量級的 SOTA 基準，便於重現 HY3D-Bench 簡化了對穩健數據資源的訪問，旨在促進 3D 感知、機器人技術和數字內容創作的創新。 🔗 GitHub： 🤗 Hugging Face： 📂 數據集： 📄 論文：