<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[腾讯开源]]></title><description><![CDATA[腾讯官方开源动态、开发经验分享]]></description><link>https://blog.csdn.net/tencent__open</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; tencent__open]]></copyright><item><title><![CDATA[腾讯混元全新翻译模型Hy-MT2开源，小程序「腾讯Hy翻译」开放体验]]></title><link>https://blog.csdn.net/tencent__open/article/details/161295187</link><guid>https://blog.csdn.net/tencent__open/article/details/161295187</guid><author>tencent__open</author><pubDate>Thu, 21 May 2026 17:52:53 +0800</pubDate><description><![CDATA[针对 Hy-MT1.5 在专业领域翻译、真实场景翻译、翻译指令遵循、与最强闭源模型的性能差距以及端侧高效部署等方面的不足，Hy-MT2 从能力增强、混合专家架构和极低比特量化部署等方面进行改进，目标是构建一个更加适合真实应用场景的高质量、高效率、多能力多语翻译模型族。问题，Hy-MT2进一步探索极低比特量化方案。Hy-MT2包含3个尺寸的模型Hy-MT2-1.8B、Hy-MT2-7B、Hy-MT2-30B-A3B，三个模型均支持33个语种互译，5种民汉/方言。tabIndex=0。]]></description><category></category></item><item><title><![CDATA[TencentDB Agent Memory 正式全球开源：让 Agent 沉淀经验，让人专注创造]]></title><link>https://blog.csdn.net/tencent__open/article/details/161092625</link><guid>https://blog.csdn.net/tencent__open/article/details/161092625</guid><author>tencent__open</author><pubDate>Thu, 14 May 2026 15:30:48 +0800</pubDate><description><![CDATA[TencentDB Agent Memory 正是在这一背景下诞生的：让 Agent 学会你的工作流程、保留任务上下文、复用历史经验——以符号化记忆化解单次长任务的信息过载，以分层记忆沉淀跨会话的经验资产。TencentDB Agent Memory 通过上下文卸载 + Mermaid 无限画布两项关键技术，把原始工具结果搬到外部文件，把任务结构折叠成可导航的画布，上下文里只保留摘要和索引。当下主流 AI Agent 的记忆方案，大多做的是同一件事：把对话历史压缩成一段摘要，然后在下次会话时注入上下文。]]></description><category></category></item><item><title><![CDATA[具身多模态大模型HY-Embodied-0.5-X开源，从“看懂”走向“干活”]]></title><link>https://blog.csdn.net/tencent__open/article/details/160484595</link><guid>https://blog.csdn.net/tencent__open/article/details/160484595</guid><author>tencent__open</author><pubDate>Fri, 24 Apr 2026 16:35:16 +0800</pubDate><description><![CDATA[接入后，HY-Embodied-0.5-X能够在“把土豆扔到垃圾桶里”“关上冰箱门”“把西红柿放进冰箱”等典型居家任务中生成完整规划，并在执行过程中结合环境反馈进行调整，尤其在“把西红柿放进冰箱”任务中，模型在初始规划未考虑冰箱门状态的情况下，能够基于执行失败反馈快速完成重规划，补充“开门—放置”等动作，形成一次完整的。模型既可以用于机器人在真实环境中的空间推理、精细操作推理、任务理解和失败反思，也可用于仿真环境中的规划评测、多模态交互研究，以及本地部署场景下的具身能力验证与开发。仿真架构上的接入验证。]]></description><category></category></item><item><title><![CDATA[Hy3 preview发布并开源：混元重建后首个模型，Agent能力大幅提升]]></title><link>https://blog.csdn.net/tencent__open/article/details/160454069</link><guid>https://blog.csdn.net/tencent__open/article/details/160454069</guid><author>tencent__open</author><pubDate>Thu, 23 Apr 2026 18:05:45 +0800</pubDate><description><![CDATA[在腾讯文档AI 助手“开物AI”中输入Prompt：创建一份关于"基于深度学习的医学影像辅助诊断研究"的学术汇报PPT，共15页，第1页封面（标题、作者、单位、日期），第2页目录，第3-4页研究背景与动机（医学影像诊断现状与AI辅助诊断的需求），第5-6页相关工作综述（现有方法对比与不足），第7-9页研究方法与实验设计（模型架构、数据集、训练策略），第10-12页实验结果与数据分析（准确率、召回率等指标对比图表），第13页结论与未来工作，第14页参考文献，第15页致谢。regionId=1。]]></description><category></category></item><item><title><![CDATA[腾讯云开源OpenAI、Manus同款Agent底座]]></title><link>https://blog.csdn.net/tencent__open/article/details/160386767</link><guid>https://blog.csdn.net/tencent__open/article/details/160386767</guid><author>tencent__open</author><pubDate>Tue, 21 Apr 2026 17:31:25 +0800</pubDate><description><![CDATA[Cube Sandbox 对 E2B 接口的兼容是 Drop-in 级别的——无论基于 Manus 技术栈、OpenAI Agents SDK，还是其他 E2B 生态框架构建的 Agent 应用，都可以在不修改业务代码的前提下，直接指向 Cube 完成运行。金属环境测试，单并发下为 60ms，50 并发场景下平均 67ms（P95 90ms，P99 137ms），整体保持在百毫秒级。每个沙箱都运行在一套完整、独立的操作系统内核之上，在硬件层面实现彻底隔离——单个沙箱的异常，不会影响其他沙箱和宿主机。]]></description><category></category></item><item><title><![CDATA[腾讯开源 |混元3D世界模型2.0发布：无缝对接游戏工作流]]></title><link>https://blog.csdn.net/tencent__open/article/details/160230298</link><guid>https://blog.csdn.net/tencent__open/article/details/160230298</guid><author>tencent__open</author><pubDate>Thu, 16 Apr 2026 15:57:50 +0800</pubDate><description><![CDATA[此前主流的世界模型，例如谷歌Genie 3和混元世界模型1.5，仅能生成视频文件，本次发布的世界模型2.0的实用性更进一步——它可以直接生成可二次编辑的3D资产文件，并且，这些生成的3D资产可以直接导入到游戏制作或者具身仿真引擎，实现真正可玩、可用。HY-World2.0是一个多模态世界模型，能够根据文字、图片、视频等不同类型输入，自动生成、重建和模拟 3D 世界，同时支持多格式3D资产（模型会根据每个场景的不同语义，规划出“环绕物体”、“最大漫游”等五类运镜轨迹，这样搭配下一步的世界扩展模型，可以让。]]></description><category></category></item><item><title><![CDATA[腾讯开源 | 蒸馏结合可学习缓存：腾讯混元视频生成加速新探索]]></title><link>https://blog.csdn.net/tencent__open/article/details/160193925</link><guid>https://blog.csdn.net/tencent__open/article/details/160193925</guid><author>tencent__open</author><pubDate>Wed, 15 Apr 2026 19:00:50 +0800</pubDate><description><![CDATA[在更复杂多样，要求更高的视频生成任务上，这样“一步生成”的目标过于激进，而以“一步生成”为目标的激进训练样本，甚至会对模型训练产生明显的负面影响。通过引入轻量神经网络预测器，通过神经网络以更好地捕获高维特征的演化轨迹，从利用以往推理步中的特征更精准地预测后续特征演化，实现推理加速。，互相印证，相较之下，我们的工作在更复杂的高质量视频生成任务上开展，更具实践指导意义。在蒸馏后的少步模型上，通过引入可学习的轻量神经网络预测器。然暂时不打算做“一步生成”，就剪除这些激进的训练场景。引入预测器后的推理模式。]]></description><category></category></item><item><title><![CDATA[腾讯开源 | tRPC-Agent-Python：多范式快速开发Agent应用]]></title><link>https://blog.csdn.net/tencent__open/article/details/159999812</link><guid>https://blog.csdn.net/tencent__open/article/details/159999812</guid><author>tencent__open</author><pubDate>Thu, 09 Apr 2026 12:00:55 +0800</pubDate><description><![CDATA[在经过腾讯内部业务充分验证及我们的不断打磨之后，现在推出Python版本的框架tRPC-Agent-Python（https://github.com/trpc-group/trpc-agent-python），方便开发者接入开源社区已有基于Python AI生态（比如Langchain），使用多种的开发范式及业界最佳Agent实践，灵活、高效地开发Agent。：claude-agent-sdk / mcp / LangChain / LiteLLM / Mem0，通过模型/工具/记忆适配器接入主链路。]]></description><category></category></item><item><title><![CDATA[腾讯开源 | PowerFL-AnonGBDT：让两方纵向联邦GBDT训推匿名化]]></title><link>https://blog.csdn.net/tencent__open/article/details/159699667</link><guid>https://blog.csdn.net/tencent__open/article/details/159699667</guid><author>tencent__open</author><pubDate>Tue, 31 Mar 2026 15:24:19 +0800</pubDate><description><![CDATA[GBDT（Gradient Boosting Decision Tree）是一种将梯度提升与决策树结合起来的集成学习方法，其核心思想是按轮次不断训练新的弱决策树，专门去拟合前面模型的残差或负梯度，让多棵树逐步叠加，从而一点点降低整体预测误差。S&P 2026接收的论文AnonGBDT（Practical Anonymous Two-Party Gradient Boosting Decision Tree），要解决的就是这个“隐私暗门”：在不泄露交集ID的前提下，实现高效、可落地的全匿名两方GBDT训练。]]></description><category></category></item><item><title><![CDATA[多模态不一定先有视觉底座：腾讯 AI Lab 开源 Penguin-VL]]></title><link>https://blog.csdn.net/tencent__open/article/details/159312723</link><guid>https://blog.csdn.net/tencent__open/article/details/159312723</guid><author>tencent__open</author><pubDate>Fri, 20 Mar 2026 16:46:09 +0800</pubDate><description><![CDATA[不过，真正把这篇工作“钉住”的，还是 encoder 实验。换句话说，这篇工作真正想证明的，不只是 Penguin-VL 这个模型“做出来了”，而是 LLM-init vision encoder 这条路，本身就是成立的。该工作聚焦于多模态模型中的 vision encoder 设计，尝试跳出“先有传统视觉 backbone，再接语言模型”的常规路径，直接从 text-only LLM 初始化 vision encoder，并在 2B / 8B 紧凑参数规模下验证了这一路线在图像与视频理解任务上的竞争力。]]></description><category></category></item><item><title><![CDATA[OC冒烟测试套件正式开源：轻量级、自动化，为系统镜像“健康体检”]]></title><link>https://blog.csdn.net/tencent__open/article/details/159275675</link><guid>https://blog.csdn.net/tencent__open/article/details/159275675</guid><author>tencent__open</author><pubDate>Thu, 19 Mar 2026 10:42:50 +0800</pubDate><description><![CDATA[目前已实现从源社区、商业版、到社区稳定版全链路覆盖，旨在输出经海量业务验证的企业级稳定操作系统版本，为行业解决国产操作系统上下游供应问题，促进基础软件可持续发展。它主要用于在系统镜像构建完成后，第一时间对系统进行全方位的“健康检查”，快速验证内核、基础系统、驱动、开发工具等关键组件是否正常工作。在操作系统的研发与构建过程中，如何快速验证一个新生成的镜像是否“健康”？将真实的业务与硬件场景注入 os_smoke ，才能共同打造出经得起生产环境考验的坚固底座。最关键的，os_smoke 的架构极其轻量化，它。]]></description><category></category></item><item><title><![CDATA[腾讯开源 | 架构与策略双重演进，开源音乐大模型 SongGeneration 2 发布]]></title><link>https://blog.csdn.net/tencent__open/article/details/158875867</link><guid>https://blog.csdn.net/tencent__open/article/details/158875867</guid><author>tencent__open</author><pubDate>Mon, 09 Mar 2026 15:09:40 +0800</pubDate><description><![CDATA[为了全面验证 SongGeneration 2的生成能力，我们组织了包含20位音乐专业人士的大规模盲测评估，从6个核心维度对3个顶尖的商业模型和6个顶尖的开源模型（各生成100首歌曲）进行了深度打分。：基于此数据集训练的细粒度自动化音乐美学评估框架，在片段和整曲层面均与专家评分呈现高度相关性，这为后续的模型训练注入了至关重要的“音乐性先验知识”。模型会周期性地更新，并根据音乐性美学评分挑选正负例进行对齐，在保证稳定性的同时，实现了音乐性的极致突破。该数据集由专业人士围绕。]]></description><category></category></item><item><title><![CDATA[开源公告｜Youtu-RAG：新一代智能体驱动的检索增强生成系统]]></title><link>https://blog.csdn.net/tencent__open/article/details/157918729</link><guid>https://blog.csdn.net/tencent__open/article/details/157918729</guid><author>tencent__open</author><pubDate>Mon, 09 Feb 2026 14:30:53 +0800</pubDate><description><![CDATA[Youtu-RAG 的智能体编排能力基于 Youtu-Agent 框架构建，可兼容各种模型（如 DeepSeek 、K2.5 等）、工具和框架。如果你想要的是一个“能管理文件、能做知识库、能做表格与数据库问答、还能持续变聪明”的本地 RAG 系统，Youtu-RAG 给的是一套工程化、可扩展、可评测的“答案”。Agentic-RAG 框架，智能体自主判断是否检索、如何检索、何时调用记忆等，实现查询与策略的动态匹配。● 多源文件上传/管理：PDF、Word、Markdown、Excel、图片、数据库等。]]></description><category></category></item><item><title><![CDATA[CVPR 2026 NTIRE赛事 | X-AIGC质量评测挑战赛，等你来战！]]></title><link>https://blog.csdn.net/tencent__open/article/details/157756667</link><guid>https://blog.csdn.net/tencent__open/article/details/157756667</guid><author>tencent__open</author><pubDate>Wed, 04 Feb 2026 16:22:46 +0800</pubDate><description><![CDATA[这就要求提出新的图像质量评价（IQA）方法，以准确预测编辑图像的质量。基于此，本赛道以生成图像编辑质量评价为主题，任务目标是根据编辑前图像、编辑后图像、编辑指令及其先验质量标签，预测编辑后图像的质量分数，使算法输出与人工标注的 MOS 分数具有尽可能高的相关性。3DGCQA-NTIRE数据集。其中上海交通大学团队成员包括刘笑宏、闵雄阔、翟广涛、胡强、曹杰彰、孙伟教授及其带领的博士后段慧煜、张子澄、时悦、许俐，博士研究生周颖杰、徐梓桐、刘璐、王佳睿、李春一、罗思琪，硕士研究生文发荣、王玉博、张明宏。]]></description><category></category></item><item><title><![CDATA[开源公告|hel-micro-node, 免构建、平台化的node模块联邦方案]]></title><link>https://blog.csdn.net/tencent__open/article/details/157405372</link><guid>https://blog.csdn.net/tencent__open/article/details/157405372</guid><author>tencent__open</author><pubDate>Mon, 26 Jan 2026 16:15:24 +0800</pubDate><description><![CDATA[hel-micro-node 是 hel+下面的一个子模块，专注于提供node端模块联邦解决方案，相比竞品 @module-federation/node，提供更多独有特性，接入更简单，使用更方便。入口文件里使用 mapAndPreload 接口映射你的node模块为远程模块并预加载后，再启动你的服务，然后服务里的其他文件的头部可静态导入并使用此模块。由于模块可动态下发到服务中，不需要服务重启，当模块被多个宿主使用时，可做到对单个模块的一次部署，所有使用的宿主可立即生效的效果。]]></description><category></category></item><item><title><![CDATA[finLLM-Eval大模型金融场景幻觉专业评测方案]]></title><link>https://blog.csdn.net/tencent__open/article/details/157147326</link><guid>https://blog.csdn.net/tencent__open/article/details/157147326</guid><author>tencent__open</author><pubDate>Mon, 19 Jan 2026 15:34:12 +0800</pubDate><description><![CDATA[为此，我们开发了finLLM-Eval，这是一套专为大模型金融场景设计的幻觉评测方案，在行业内首次提出无 GroundTruth 下金融数据准确性的评测方法，填补了大模型金融领域评测的空白，旨在推动AI技术在高风险、高要求的金融领域安全、可靠地落地。无GroundTruth的金融数据准确性评测：基于真实用户问答，自动提取“标的×时间×指标”金融事实三要素，通过内部金融数据库进行自动化验证，无需人工标注标准答案。对于金融场景，大模型的回答基本是由金融事实和基于事实的分析（推论、预测、建议等）组成。]]></description><category></category></item><item><title><![CDATA[腾讯混元Motion 1.0开源，3D角色动画生成能力新标杆]]></title><link>https://blog.csdn.net/tencent__open/article/details/156775345</link><guid>https://blog.csdn.net/tencent__open/article/details/156775345</guid><author>tencent__open</author><pubDate>Fri, 09 Jan 2026 15:54:13 +0800</pubDate><description><![CDATA[依托专门的指令重写模块，系统能将模糊的用户描述转化为包含动作细节与精确时长的结构化指令，实现对创作意图的深度解析与精准响应。开发者、动画师及科研人员提效利器的同时，也通过降低创作门槛，让每一位个人创作者都能拥有挥洒创意、驱动数字生命的能力。通过引入针对语义匹配与物理约束的奖励模型，确保生成的动作既能精准契合文本意图，又在生理结构上保持合理自然。有开发者也尝试将我们输出的结果作为视频生成模型的控制信号，让生成的动作更可控/可编辑。理解与长序列生成等关键能力上的表现，使生成结果更趋于自然、稳定且可控，并逐步。]]></description><category></category></item><item><title><![CDATA[＜span class=“js_title_inner“＞混元3D水密化大赛重磅放榜！ ——中科院软件所夺冠，3D领域新青年同台竞技＜/span＞]]></title><link>https://blog.csdn.net/tencent__open/article/details/157683699</link><guid>https://blog.csdn.net/tencent__open/article/details/157683699</guid><author>tencent__open</author><pubDate>Sun, 04 Jan 2026 10:30:58 +0800</pubDate><description><![CDATA[1️⃣ "加厚壳"策略将非适定问题转化为适定问题：面对单层网格难以区分内外的根本性难题，团队没有直接判断内外，而是通过一个微小的厚度参数（epsilon）将无符号距离场（UDF）转化为带符号距离场（SDF），从而将破损的非流形模型强制转化为一个具有明确内外关系的双层闭合外壳。1️⃣不错的解决了3D模型核心痛点 —— 自相交问题：团队的"体积形变约束"方法，从物理仿真中汲取灵感，通过惩罚局部体积的坍缩和翻转，有效抑制了重建模型中的自相交现象。● 3D打印：3D生成领域对水密模型有着最严格的要求。]]></description><category></category></item><item><title><![CDATA[混元3D水密化大赛重磅放榜！ ——中科院软件所夺冠，3D领域新青年同台竞技]]></title><link>https://blog.csdn.net/tencent__open/article/details/156582528</link><guid>https://blog.csdn.net/tencent__open/article/details/156582528</guid><author>tencent__open</author><pubDate>Sun, 04 Jan 2026 10:30:58 +0800</pubDate><description><![CDATA[1️⃣ "加厚壳"策略将非适定问题转化为适定问题：面对单层网格难以区分内外的根本性难题，团队没有直接判断内外，而是通过一个微小的厚度参数（epsilon）将无符号距离场（UDF）转化为带符号距离场（SDF），从而将破损的非流形模型强制转化为一个具有明确内外关系的双层闭合外壳。1️⃣不错的解决了3D模型核心痛点 —— 自相交问题：团队的"体积形变约束"方法，从物理仿真中汲取灵感，通过惩罚局部体积的坍缩和翻转，有效抑制了重建模型中的自相交现象。● 3D打印：3D生成领域对水密模型有着最严格的要求。]]></description><category></category></item><item><title><![CDATA[腾讯混元开源翻译模型1.5，端侧可部署，效果超越商用API]]></title><link>https://blog.csdn.net/tencent__open/article/details/156493507</link><guid>https://blog.csdn.net/tencent__open/article/details/156493507</guid><author>tencent__open</author><pubDate>Thu, 01 Jan 2026 09:06:30 +0800</pubDate><description><![CDATA[技术方面，HY-MT1.5-1.8B能够用小尺寸实现大尺寸模型的效果，得益于On-Policy Distillation（大尺寸模型蒸馏）策略的引入，让 HY-MT1.5-7B 作为 Teacher，实时引导 1.8B 的 Student 模型，让其避免死记硬背标准答案，通过纠正在预测序列分布时的偏移，让小模型从错误中学习，切实提升能力。用户可通过简单配置导入术语库，模型将在翻译过程中优先采纳用户定义的标准术语，从而提升专业文档、技术手册、合同文本等内容翻译的可靠性与权威性。]]></description><category></category></item></channel></rss>