MiniCPM-OCR 接入 LiteParse
非常感谢 @llama_index 将 MiniCPM-OCR 集成到 LiteParse!很高兴看到 MiniCPM-OCR 实现快速、高质量的文档解析。期待更多开发者用起来!🚀
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
非常感谢 @llama_index 将 MiniCPM-OCR 集成到 LiteParse!很高兴看到 MiniCPM-OCR 实现快速、高质量的文档解析。期待更多开发者用起来!🚀
Amazon 周五宣布推出新功能,允许美国部分受邀用户通过短信与 Alexa 智能体对话购物,可用自然语言搜索商品、加购、下单,还可发图片找相似商品。功能建立在近期 Alexa 购物升级之上,支持管理清单、追踪价格、比价和查询订单状态,未收到邀请的用户可加入候补名单,未来几周将更广泛推出。
作者分享了一位开发者通过重新编程光标实现截图和笔记功能的创意设计,并表示这类「vibe coding」的想法值得复刻。
研究团队推出 FoundationWorlds 框架,首个实例 ToyBlocks 是基于机械臂与桌面方块的开放仿真环境,可自动生成任务与演示数据,单块 GPU 并行执行数百个规划,最高达 24 倍实时速度。该环境支持域随机化与强化学习、运动规划生成技能,并用于训练 Molmo 2 高层推理模型与 ManiFlow 低层动作模型。
Amazon 为 Alexa for Shopping 新增短信购物功能,用户可发文字或照片描述想买的商品,Alexa 会在 Amazon 商品中搜索匹配结果、回复推荐并代为下单。该功能今日起向美国一小部分用户开放,未来数周将推广至数百万用户。Alexa 还会记住用户偏好,并在关注商品降价时发短信提醒。
Gary Marcus 就昨日市场蒸发 2.5 万亿美元发文,称这还不是全部坏消息。他同时援引英国央行一项研究指出,AI 仍未带来人们预期的生产率提升。
METR 发布对 Anthropic 内部数据的十一周审计结果,称自 2025 年 10 月以来模型测试分数提升速度约加快 1.9 倍,其中约 80% 归因于 AI 用于公司自身研究,可能已在 7 月 15 日达到其负责任扩展政策中的预警阈值。
Mira Murati 创立的 Thinking Machines 发布第二代模型 Inkling 2 Small,总参数 594B、激活 17B 的 MoE 模型。
据 The Information 报道,电信服务商 Brightspeed 正与英伟达洽谈,计划将约 130 座老旧电信建筑改造为小型数据中心。
Underdog 发布仅 32MB、3100 万参数的语音生成模型 Woof,并推出一个复古科技主题的浏览器游戏演示,可在无网络连接的多数设备上运行,模型开放下载。创始人 Sigil Wen 表示目标是训练开源、美国制造且支持数据私有的模型,此前公司还推出过 167MB 的语音转文本模型 Bark 和一个可跑在笔记本上的 270 亿参数模型。
Physicl 获 Inovia Capital 领投的 1000 万美元种子轮融资,为世界模型设计者和机器人厂商提供更真实的仿真训练环境。其 Studio 产品包含 1 万个 3D 环境和 10 万个资产,可生成合成数据,针对机器人难以识别的边缘场景做后训练。世界模型公司 SpAItial 已作为早期客户用它提升仿真保真度。
面壁智能 OpenBMB 转发社区分享,邀请用户在 Hugging Face Spaces 上将 MiniCPM-OCR 1.0(1.3B)与其他 OCR 模型并排对比。提供 MiniCPM-OCR vs OXR 与 vs Unlimited-OCR-2 两个免费对比页面,无需配置,可上传扫描件、照片、表格和公式截图比较解析质量。
设计基准 👇
Agent-Autoloop 完成 Windows 兼容后,迅速在 GitHub 上获得 3.5K 颗 Star,展示了项目的广泛热度。
作者为 Agent-Autoloop 完成 Windows 兼容,项目已上线并迅速获得 3.5K 星的好评。
作者分享了在家 Vibe Coding 和语音记忆工具带来的工作状态提升,并计划制作相关技能视频。
Azeem Azhar 撰文分析美国中期选举后 AI 数据中心遭遇的民意反弹,Nasdaq 市值蒸发逾 2.5 万亿美元,44 项地方限制数据中心提案中 43 项获通过。
约 100 名抗议者闯入 Microsoft 在阿姆斯特丹郊外新建数据中心的工地,有人爬上起重机挂起“fuck AI”横幅,并展开“Microsoft powers genocide”横幅。
O'Reilly Radar 作者提出应按需要控制的层级而非厂商来选择编码 harness,并对比了 Claude Code(运行内控制)、Codex(执行隔离)、Pi(外层生命周期)和 DeepSeek harness(插件组合)的控制重心。
据 Reuters,Anthropic 的 IPO 遇阻,投资者质疑 1.5 万亿美元估值过高,有投资者提出仅 1 万亿美元,公司 9 月曾瞄准最高 2 万亿美元估值。
Anthropic 推出 Personal Finance 功能,Claude 用户可连接银行账户查询消费情况。该功能为只读权限,通过 Plaid 接入,不能转移或管理资金,目前以 beta 形式面向美国 Pro、Max 和 Ultra 订阅用户开放;相关对话不用于模型训练,用户可随时断开账户,OpenAI 在美国已有类似功能 Finances。
千问APP整理了两个用户用千问工作助理改造电视的案例。用户@小冯冯让千问给电视搭控制台,孩子答对5道数学题解锁45分钟观看时间,家长可在手机端查看正确率并调整时长;用户@苏大讲AI 借助开源项目 cleanyourtv,让千问自动备份原厂应用并停用广告服务,约10分钟完成去广告,且可一键还原。
蚂蚁百灵发布原生多模态模型 Ling-3.2-flash,总参数 560B、单步激活 25B,支持 1M 原生长上下文,重点强化视觉反馈自检与异常自适应恢复能力。
AI 创作者 leedain_leader_in 用 Kling 4.0 从头制作了一支虚构能量饮料广告 Reels,覆盖产品特写、人物奔跑和带台词的拍摄现场花絮。测试中一次生成即完成 18 秒含 10 个硬切镜头的广告,整合 10 张参考图,易拉罐开启结构、冰块气泡与冷凝水等物理效果准确,包装小字清晰可读。
Meshy 官方发布 Meshy Relief,可把任意图像转成可 3D 打印的浮雕,支持调节尺寸和雕刻深度。演示中先用 Meshy Agent 把一张自拍做成 chibi queen 卡片,再生成浮雕并用 PETG 打印。
在 PixVerse 上试试 Draw to Fly https://app.pixverse.ai/mini-apps/draw-to-fly?utm_source=Social&utm_medium=X
作者深度评测网易叭哥说语音 Agent,发现其终身免费、光标级自适应润色、30dB 低噪拾音等专业功能,基于自研「子曰」大模型,为重度办公用户提供高效、隐私安全的语音输入解决方案。
文章从作者亲身经历出发,阐述 AI Agent 正在颠覆传统白领技能,未来人类角色从执行者转为审核员和培训师,眼高手低者反因技术门槛降低而获得创业机会。
📊 文章信息 AI 初评: 82 来源: 泊舟(@bozhou_ai) 作者: 泊舟 分类: 人工智能 语言: 中文 阅读时间: 1 分钟 字数: 157 标签: AI 与智能应用 , 开源项目 , AI 编程 , AI Agent , AI 内容检测 阅读推文
Latent Space 汇总 2026-11-04 至 11-05 的 AI 新闻,头条是 Thinking Machines 发布 Inkling 2 Small。