AI进家庭

AI 圈抢人，各种烧钱、给高薪大家都知道，但今天听到的这个消息，感觉又上了一个“强度”—— Business Insider 挖出来说，Google DeepMind 为了不让人才跳槽去对手那儿，直接用上了“大杀器”： 如果你在谷歌DeepMind 工作，想换个环境，结果公司跟你说：“行，批准你离职。接下来一年，工资我们照发，你不用干活，但有个条件——不...

新智元报道 编辑：编辑部 HYZ 【新智元导读】Llama 4刚出世就被碾压！英伟达强势开源Llama Nemotron-253B推理模型，在数学编码、科学问答中准确率登顶，甚至以一半参数媲美DeepSeek R1，吞吐量暴涨4倍。关键秘诀，就在于团队采用的测试时Scaling。 Llama 4诞生不过3天，反手就被超越了。 刚刚，英伟达官宣开源「...

GPT-ImgEval团队 投稿 量子位 | 公众号 QbitAI GPT-4o图像生成架构被“破解”了！ 最近一阵，“万物皆可吉卜力”让GPT-4o的图像生成功能一炮而红，人们随之好奇： 4o图像生成的架构底层逻辑到底是什么？GPT-4o究竟强在哪？存在哪些短板？ 作为解答，北京大学、中山大学等多家科研机构共同推出GPT-ImgEval，首次系统评估了GP...

在机器学习和教育场景中，从复杂文档中提取结构化数据一直是痛点。 但在日常教学或构建机器学习数据集时，常规 OCR 工具往往力不从心，尤其面对多语言文字、数学公式、图表示意图、复杂排版的学术材料，准确率低、结构混乱，严重影响效率。 今天为大家推荐一款专为“教育场景”和“机器学习训练”量身定制的 OCR 神器：Versatile-OCR-Program。 它不...

在 GitHub 上发现一个简单高效的 LLM 强化学习库：nanoAhaMoment。仅需单个 80G GPU，无需 RL 库，使用 3B 基础模型，全参数微调，就能实现类似 DeepSeek R1-zero 的风格训练，而且整个过程只需不到 10 小时。提供了 Jupyter notebook 笔记和通俗易懂的代码，并且附有详细教程视频，轻松上手学习。 ...

百度地图MCP来了，AI助手可以更好的处理位置、导航、路线规划等地理信息相关的任务了，用作智能旅行助手，AI助手就可以利用百度地图MCP来实现规划路线、景点位置查询、天气查询、提供交通建议了，用作智能客服，当用户询问附近的餐厅、商店、医院等信息时，AI客服可以快速提供相应位置信息和路线导航了。 参考文献： [1] github：https://githu...

分享 GitHub 上一份精心整理的检索增强生成（RAG）技术资源集合：Awesome-RAG。这份列表系统整理了 RAG 相关的理论知识、实现方法、开发框架、关键技术以及评估指标等内容。从基本原理到高级技术详解，再到实现步骤，有助于我们更好学习与使用 RAG。 参考文献： [1] GitHub：https://github.com/Danielskry...

教育场景里的OCR工具，专门处理教育材料，可以从像试卷这种复杂的教育材料中提取结构化数据的多模态OCR工具：Versatile-OCR-Program。支持多语言文本、数学公式、表格、图表等元素提取，还能以语义注释的方式进行标注，生成自然语言描述。支持日语、韩语、英语，可扩展到其他语言，输出格式为JSON或Markdown，支持复杂的布局。 参考文献： ...

这两天出来的一个“混合超级智能体”：Genspark，从想法到执行用自然语言一步到位，据称结合了LLM、80多个工具和数据集，从而真正完成任务实施。比如，让它帮你做一个旅行计划，告诉它去哪里、什么时候去、需求细节等，它会用模型来理解你的需求，然后根据你的需求选择合适的工具，来查询路线、选择交通工具、酒店预订、景点推荐，最后把信息整合起来生成一份可实施的旅行计...

DeepRetrieval 是一个基于强化学习（RL）的 query 优化系统，训练 LLM 在不同检索任务中优化原始查询，以最大化真实系统的检索效果。它不是训练一个新的 retriever，也不是让模型直接回答问题，而是：在不改变现有搜索系统的前提下，通过优化原始 query，让「提问方式」变得更聪明，从而获取更好的结果。 参考文献： [1] 论文地址...