- 博客(414)
- 资源 (5)
- 收藏
- 关注
原创 [全网首发中文版]TextMonkey: An OCRFree Large Multimodal Model for Understanding Document
我们推出了 TextMonkey,这是一种专为以文本为中心的任务而定制的大型多模态模型 (LMM),包括文档问答 (DocVQA) 和场景文本分析。我们的方法引入了跨多个维度的增强:通过采用零初始化的转移窗口注意力,我们在更高的输入分辨率下实现了跨窗口连接并稳定了早期训练;我们假设图像可能包含冗余标记,通过使用相似性过滤掉重要标记,我们不仅可以简化词符长度,还可以提高模型的性能。此外,通过扩展模型的功能以涵盖文本识别和基础,并将位置信息纳入响应中,我们增强了可解释性并最大限度地减少幻觉。
2024-03-08 11:44:22
2335
1
原创 让 AI 自动改进 Meta 的推荐系统 37 天:先学会了「别信自己刚跑完的实验」
AI agent 自动做研究(提出改动→实现→评估)在沙盒里已经跑通,但搬进 Meta 的生产检索系统就是另一回事:实验跨数天、系统异步、影响真实用户——跑完的实验仍可能给出完全错误的结论。Meta 的 EvoPilot 用「人类门控 + 可执
2026-11-16 10:18:53
11
原创 1.4 万亿上市、9000 亿欠账:Anthropic 周四敲钟,AI 行业的压力测试来了
Anthropic 于 11-10 启动 IPO 路演:8.25 亿股、定价 $70-78、11-18 定价、11-19 登陆纳斯达克(代码 ANT)。IPO 最高募 $644 亿,叠加 $260 亿私募合计最高 $904 亿将成史上最大股票发行;约 6 倍超额认购、散户配售上限翻倍至 20%。但文件同
2026-11-16 10:18:34
7
原创 AI 进化搜索的排行榜可能全是假的:换 40 个随机种子,冠军垫底
LLM 进化搜索论文的惯例:1 个种子跑固定迭代数,报一个分数排名方法。IBM Research 在种子×迭代全网格重测三大主流策略,发现:预算在「多种子」与「深迭代」间的最优分配因策略任务而异;策略排名随预算翻转——某任务上
2026-11-16 10:13:52
11
原创 RL 训练的树枝该长在哪?别看哪里不确定,要看哪里的「梯度」最值钱
用树形结构做 RL rollout 时,树枝放哪里决定了同样的算力能换来多准的梯度估计。直觉做法是「在模型不确定的地方多分支」,但 Tzafon AI 的 EPIG-Tree 用方差分解证明这不完整:新枝应该降低「决策不确定度」,重复后缀采样应
2026-11-16 10:04:04
7
原创 没人教过它化学立体几何,但它悄悄学会了:前沿 LLM 排构象已经超过经典力场
理解分子的三维结构从没被刻意训练进 LLM,但它可能已经出现了。用 27 个小分子、810 个构象的稳定性排序实测:2025 年 7 月前的模型基本不会,而 GPT-5.6 Sol、Kimi K3、Gemini 3.6 Flash 超过经典 UFF 力场,GPT-6 Astra 与 Claude Opus 5 逼近
2026-11-16 10:00:00
25
原创 11.5 万人签名请老黄回家,马斯克也签了——但董事会的动作说明他们不想等
先交代一句背景:11 月 12 日,黄仁勋辞去 Nvidia 总裁、CEO、董事三个职务,立即生效。直接导火索是他的婚外情被曝光——其中一位交往对象被指是中国情报人员,另一位是公司内部高管。长期担任 CFO 的 Colette Kress 接任临时 CEO
2026-11-15 08:29:35
160
原创 Claude Code 的「项目经理」上班了:协调器主动汇报,并行 AI 工人不等你催
9 月 17 日,Anthropic 干了一件当时没引起足够注意的事:把 Claude Projects 从"放文件、配说明的静态空间"重构成"一条持续跑的会话"。
2026-11-15 08:24:18
180
原创 花旗银行教你算 AI 的账:省下的时间要和审查成本、残余风险记在同一本账上
「企业 GenAI 在有能力问题之前,先有评测问题」——榜单分数再高,也回答不了银行内部那个致命问题:这个工作流,在我们自己的文档和风控体系下,可靠吗、值得扩展吗?花旗、安永、NVIDIA 的从业者联合提出 EnterpriseVal 框
2026-11-15 08:22:02
131
原创 小模型当不了自己的保安:CapLite 把 13935 次提示注入攻击全部挡下,token 还只要 CaMeL 的 18%
先问一个戳到做 agent 开发的你的问题:你给 agent 接上工具之后,有没有想过——你发给模型的那些工具权限策略,是谁写的?
2026-11-15 08:11:22
157
原创 33 年第一次换帅:黄仁勋辞任 NVIDIA CEO,这四天到底发生了什么
2026 年 11 月 12 日,NVIDIA 宣布黄仁勋辞去总裁、CEO 及董事职务,即刻生效,CFO Colette Kress 出任临时 CEO,公司 33 年历史上第一次换帅。本文基于 SEC 8-K、官方公告与 10 余家权威媒体报道,梳理从婚外情曝光、董事会态度反转到内
2026-11-14 08:23:24
254
1
原创 Termination Lag:你的 Coding Agent 早就修好了 Bug,只是它停不下来
Coding agent 常常在停止工作之前很久就已把任务解决。Penn State 团队逐步记录 5 个模型 × 2 个框架 × 3 个 SWE-bench 基准的每一个仓库补丁并离线回测,发现 38–82% 的成功运行第一次改码就通过全部测试,但 agent 平均还要再花 35–60
2026-11-14 08:14:54
211
原创 Gemini 4 Hydrogen:发布即全量,但 Flash 的低价时代结束了
Google 11 月 12 日发布 Gemini 4 Hydrogen,接替 3.8 Flash 成为家族「日常执行档」,发布当天全球全量推送:AI Studio、Gemini API、Gemini app 免费用户、Google Search、Antigravity 同步上线。第三方智能指数 xhigh 档 54 分,仅比 Claude Sonnet 5.5 低 1
2026-11-14 08:06:54
205
原创 AI 思考时非要「说人话」吗?哈工大团队让模型「用数据格式思考」,省 5 倍 token 还更准
大模型的思维链(CoT)都是「写作文」——冗长的自然语言里埋着推理步骤。哈工大联合字节团队的 DRT 范式问了一个基本问题:思考为什么必须用完整句子?他们让多模态模型改用紧凑的结构化迹思考:视觉观察和逻辑推演分
2026-11-13 11:29:30
225
原创 22 个开源项目公开拒绝 AI 代码:vibe coding 的账单,维护者不想买了
追踪目录 Open Source Says No 收录了 22 个公开拒绝 AI 生成贡献的开源项目,11 月 11 日登上 Hacker News 首页。yt-dlp 全覆盖封禁、Godot 违规自动封号、System76 用算术理由拒绝 AI 代码、Linux Foundation 调研估计约四分之一新进 PR 是 AI slop。
2026-11-12 09:04:36
214
原创 模型一升级缓存全作废?DeepSeek 实测:KV Cache 跨版本直接复用,首 token 快 5 倍
模型滚动更新后,旧版本为长前缀算好的 KV Cache 通常全部作废重算。一项新研究实测了四组真实模型更新的跨版本缓存直接复用:预填缓存就绪时 TTFT 加速 2.10–5.08 倍,GLM、DeepSeek-V4.1 几乎无损,但 Qwen 在 32K 前缀上从 55% 崩到
2026-11-12 08:51:55
214
原创 不训练一个参数,把图像编辑器变成视频编辑器:EditVid 的局部-全局拆解术
图像编辑大模型(MM-DiT)能力很强,但直接逐帧套到视频上会闪烁、主体漂移、背景乱改;专训视频编辑模型成本又高。UIUC 的 EditVid 用三个免训练机制破局:只复用前一帧 KV 的稀疏因果记忆保短程连贯、注意力后对应 token 注
2026-11-11 16:04:35
79
原创 扩散语言模型之争有了理论裁决: masked 之外的两派突然追平,还各有胜场
扩散语言模型(dLLM)的核心卖点是并行生成,但 masked、uniform、Gaussian 三大范式的并行能力谁强谁弱一直靠感觉。清华的理论工作首次给出渐近级裁决:uniform 与 Gaussian 扩散同样能以随「对偶总相关」(文本内在复杂度,可远小
2026-11-11 15:54:31
155
原创 Agent 基准也会烂:Terminal-Bench 三成任务有缺陷,修复后分数集体上涨 10 个点
斯坦福 Ré 组把「基准会腐烂」这件事工程化了:基准发布后模型进步、依赖变化、预算各异,分数与真实能力之间会裂开一道「基准维护债务」。他们用证据收集、审计、验证三个智能体加人工把关的持续验证流程审计 Terminal-
2026-11-11 15:49:23
153
原创 AGENTS.md 烂了没人管?732 次实测:Coding Agent 每个会话都在替你付「文档债」利息
AGENTS.md/CLAUDE.md 里的指令过期后会怎样?北卡州立大学团队从真实开源仓库挑出 3 条过期指令(测试命令、代码位置、组件流程),以 stale/修正/删除三版本 × 22 个修 bug 任务 × 2 个模型跑了 732 次,逐工具调用分析。结果:agent
2026-11-11 15:45:00
140
原创 不训练一个参数,把图像编辑器变成视频编辑器:EditVid 的局部-全局拆解术
图像编辑大模型(MM-DiT)能力很强,但直接逐帧套到视频上会闪烁、主体漂移、背景乱改;专训视频编辑模型成本又高。UIUC 的 EditVid 用三个免训练机制破局:只复用前一帧 KV 的稀疏因果记忆保短程连贯、注意力后对应 token 注
2026-11-09 08:55:42
97
原创 扩散语言模型之争有了理论裁决: masked 之外的两派突然追平,还各有胜场
扩散语言模型(dLLM)的核心卖点是并行生成,但 masked、uniform、Gaussian 三大范式的并行能力谁强谁弱一直靠感觉。清华的理论工作首次给出渐近级裁决:uniform 与 Gaussian 扩散同样能以随「对偶总相关」(文本内在复杂度,可远小
2026-11-09 08:45:42
168
原创 Agent 基准也会烂:Terminal-Bench 三成任务有缺陷,修复后分数集体上涨 10 个点
斯坦福 Ré 组把「基准会腐烂」这件事工程化了:基准发布后模型进步、依赖变化、预算各异,分数与真实能力之间会裂开一道「基准维护债务」。他们用证据收集、审计、验证三个智能体加人工把关的持续验证流程审计 Terminal-
2026-11-09 08:40:42
658
原创 450 个不说话的 AI agent:SwarmEvolve 把进化搜索提速 5-13 倍
LLM 进化搜索(FunSearch/AlphaEvolve 一系)效果惊艳但烧卡烧钱:每个 agent 都要写长思维链,一小时的搜索只能评估几十个程序。SwarmEvolve 让 450 个潜空间 agent 静默推理、用 KV cache 直接通信,吞吐量提升 5-13 倍,中位 3-8 分钟达到基
2026-11-09 08:36:20
352
原创 OpenAI 融资缩水、Anthropic IPO 被压价:AI 的钱,突然不好融了
11 月 5-7 日,AI 行业资本面出现标志性转向:OpenAI 完成 110 亿美元首批交割但投前估值降至 1.25 万亿(原目标 1.4 万亿),整轮或从 300 亿缩至 200 亿;Anthropic IPO 被机构压价,估值讨论从 2 万亿目标下修到 1.2-1.3 万亿。Ramp 数据显
2026-11-08 08:18:26
251
原创 给 Claude Code 挂上代码地图:token 省了 39%,但先看你的瓶颈在哪
约克大学团队首次把代码表示当作受控变量:在固定的 Claude Code(Haiku 4.5)栈上,将 AST、调用图、依赖图、文档检索和混合视图做成 5 套 MCP 工具,与纯 grep/read 基线在 4 个仓库级基准上对比。故障定位任务全视图提升召回且省
2026-11-08 08:14:38
205
原创 560B 只激活 25B:蚂蚁百灵 Ling-3.2-flash 把原生多模态 API 卷到 2 块钱一百万 token
蚂蚁百灵发布原生多模态大模型 Ling-3.2-flash:560B 总参数、单步激活约 25B 的 MoE 架构,1M Token 上下文,图像/文本/视频原生输入,主打复杂视觉理解、多模态长程 Agent、3D 理解与医疗多模态四大能力。API 兼容 OpenAI 与 Anthropic 双
2026-11-08 08:06:09
294
原创 给 DeepResearch 打分的尺子是错的:百度发布首个全管线 DeepSearch 奖励框架
DeepSearch(规划-反思、检索、生成的迭代闭环)已是复杂查询的主导范式,但奖励模型和评测基准仍停留在静态单轮时代。百度与天津大学提出 F²DR:内容/轨迹/答案三维全管线过程级奖励框架,并发布首个 DeepSearch 专项 RM 基准
2026-11-07 08:10:37
170
原创 Mira Murati 公司第二代模型来了:Inkling 2 Small 首日闭门、下周开源,AA Index 直接冲到 31
11 月 5 日 Thinking Machines Lab(Mira Murati)发布第二代模型 Inkling 2 Small:594B 总参/17B 激活 MoE,图像输入 + 可调思考力度,Artificial Analysis Intelligence Index 31 分远超前代。今日经 Tinker 闭门权重可用,Apache 2.0 全权重承诺下周外部安全
2026-11-06 08:25:36
250
原创 OpenAI 把「Critical」级挖洞模型交付出去了:GPT-6 Cyber 正式发布,越界率压到 1% 以下
11 月 5 日 OpenAI 正式发布网络安全特化模型 GPT-6 Cyber(GPT-6 Astra cyber 变体):ExploitGym 相对 GPT-5.6 Cyber 提升 51%,越界率从约 5% 压到 1% 以下,Preparedness Framework 评级 Critical。已实战产出 81 个 Firefox 未知高危漏洞与 948 个 Linux 内核 e
2026-11-06 08:21:45
156
原创 INT4 提速 2 倍的真相:batch 一大就「穿帮」,9B–20B 模型量化部署实测盘点
三位独立研究者把 9B–20B 开源模型在 vLLM/SGLang 上的全部可核实量化实测收拢成一份元分析:batch 1 时 W4A16 提速 1.35–2.12×(Qwen2.5-14B/A100 上 GPTQ-Int4 达 2.12×),batch 256 时增益只剩 1.02×,此时 FP8 仍保有 1.68×;精度侧 HumanEval 全
2026-11-06 08:16:09
197
原创 腾讯混元 Hy4 正式版:1/8 的价格摸到 Opus 5.5,能看图能开电脑,就差权重没放
11 月 4 日腾讯混元发布 Hy4 正式版:770B MoE、1M 上下文,首次引入视觉理解与电脑操作(Computer Use),官方称首次跻身最强开源模型之列。腾讯自测的 APEX-Agents 上 75.2 分略超 Claude Opus 5.5(74.8),而输出价格约为其 1/8;但 Terminal-
2026-11-05 08:22:31
346
原创 ToolSpace:把 804 个真实工具环境打包成 Agent 练级场,35B 小模型暴涨 18 分
给 Agent 造训练环境,现在的主流做法是先合成数据库和场景、再派生工具和任务——结果工具接口对不上真实生态、工具编排靠 LLM 拍脑袋、任务困在单一环境。ToolSpace 把这个顺序整个倒了过来:从 20 万条真实执行轨迹里用确
2026-11-05 08:14:11
152
原创 想公开警告 AI 风险?先看看你的合同:DeepMind 员工抗议「终身禁言条款」
华盛顿邮报 11 月 3 日报道:英国 Google DeepMind 员工正施压管理层,要求解除离职后仍终身有效的不贬损(non-disparagement)条款——这些条款让他们即使离开公司,也不敢公开谈论 AI 风险。Google 回应称不会对已离职员工执行该条
2026-11-04 08:29:13
147
原创 你只是打开了 Postman,Claude Code 和 Codex 却多了个插件
多名用户发现打开 Postman 桌面版后,Claude Code、Codex、Cursor 被自动装上 Postman 插件与 CLI,安装器还替自己的 startup hook 写入信任记录,并在每次代理会话启动时注入「把 API 任务都交给 Postman」的指令。GitHub issue
2026-11-04 08:24:03
145
原创 Retrieval as Traversal:Agent 的记忆该按「价值」排地址,而不是按「相似度」
长上下文 Agent 每一步都在重复解决高度相似的检索问题,但注意力与 RAG 每次都全额重搜,循环压缩又提前赌死该保留什么。这篇 NeurIPS 2026 LCFM Workshop 论文提议把记忆的内容与地址解耦:地址几何按「检索的决策价值」而非「
2026-11-04 08:19:06
119
原创 OpenAI 重写「模型宪法」:五条价值观取代规则清单,第一条给了人类意图
OpenAI 于 10 月 29 日更新 Model Spec(模型行为公开规范),把指导原则重组为五项核心价值观:忠于人类意图、尽量减少伤害、诚实与透明、促进人类自主性、关怀。新版删除大部分细化风格指南、把模型称呼从 the assistant 改为 GPT
2026-11-03 10:18:37
72
原创 美团 LongCat-2.5 发布:把「看屏幕」塞进主干,把「踩过的坑」变成训练题
美团 11 月 2 日发布 LongCat-2.5:1.6 万亿总参数、每 token 激活约 480 亿的 MoE 模型,主打原生多模态(视觉信号转离散 token 与文本同一主干处理)与长程智能体编程(大规模长程 RL + 失败轨迹转化训练任务),1M token 上下文,全程
2026-11-03 10:15:12
267
原创 多想 2000 个 token 只涨 1.4 个点:LLM 写代码的「思考开销」终于有人算账了
推理模型写代码前的「思考」到底值不值?这篇论文在 866 个 Python 任务上做了受控实验:MBPP Pro 上每任务多烧 2000+ 思考 token,正确率提升与零无法区分;轨迹更长的模型并不更准;而把已生成的推理轨迹砍掉后半段再写答案,
2026-11-03 10:11:29
178
原创 多想 2000 个 token 只涨 1.4 个点:LLM 写代码的「思考开销」终于有人算账了
推理模型写代码前的「思考」到底值不值?这篇论文在 866 个 Python 任务上做了受控实验:MBPP Pro 上每任务多烧 2000+ 思考 token,正确率提升与零无法区分;轨迹更长的模型并不更准;而把已生成的推理轨迹砍掉后半段再写答案,
2026-11-03 09:49:43
145
paddlepaddle-gpu 适配Spark DGX GB10服务器 python包
2026-01-05
Dataset - TSR数据集 同花顺文档图片表格结构识别算法-数据集
2024-12-03
python的柱状图,绘制漂亮
2024-02-29
手写化学式数据集,企业级数据集、可应用实际生产环境
2024-02-28
深度学习 OCR 弯曲/圆形文本数据集
2022-05-25
深度学习多类别电表读数OCR数据集
2022-05-25
自标注老鼠数据集内含2000+图片
2022-03-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅