安爸 的文章
AI也能操作手机了！DroidRun 让 Agent 实现智能手机自动化操作！
继 BrowserUse 和 ComputerUse 席卷 AI 自动化领域后，手机操作类项目终于迎来重磅选手：DroidRun！ 开源 AI 手机操作神器，解锁 Android 自动化新时代！ 目前 AI 驱动的自动化工具正从 PC 和...
一款效果非常好的背景移除工具：RMBG-2.0
支持各种类型的图像，一键移除背景，处理速度很快而且效果颇为不错，非常适合电商、广告等应用场景。目前，模型已开源，但不能商用。 参考文献： 在线使用：https://huggingface.co/spaces/briaai/BRIA-R...
langchain的MCP：mcpdoc，通过解析llms.txt文件提取相关信息
langchain的MCP：mcpdoc，通过解析llms.txt文件提取相关信息，解决信息过载/不完整/不准确的问题，帮AI助手理解复杂的框架文档。同时提供了一个更透明可控的访问机制，使开发者可以更好的控制和管理IDE/应用访问使用llm...
LLM360团队推出全球最大数学数据集
LLM360 推出了 MegaMath：全球目前最大的开源数学推理预训练数据集，共计 3710 亿（371B）tokens，覆盖网页、代码和高质量合成数据三大领域。 参考文献： 报告标题：MegaMath: Pushing the L...
可以让Web智能体（比如网页机器人）通过发现和磨练技能来自我改进的一个框架：SkillWeaver
可以让Web智能体（比如网页机器人）通过发现和磨练技能来自我改进的一个框架：SkillWeaver。这是一个以技能为中心的框架，它使智能体能通过自主合成可重用的API技能来自我提升。比如，给定一个新网站，它会自动发现技能，执行它们进行练习，...
LLPlayer开源播放器
这个视频播放器可以同时显示两个字幕，并且字幕来源自AI生成，能AI实时翻译，而且还有整理好的字幕侧边栏（甚至还贴心的增加了防剧透功能），最后为了明晃晃的”学外语”，还提供了单词翻译和搜索功能。 参考文献： https://github...
Building an OS：从零开始打造属于自己的操作系统
Building an OS：从零开始打造属于自己的操作系统。亮点： 从“Hello world”到实现文件系统，逐步深入； 涵盖C语言和汇编语言的实战应用； 28个视频教程，系统性学习操作系统的开发流程。 参考文献： https...
VERT，一个开源文件格式转化工具。转化文档、图片、音视频
VERT，一个开源文件格式转化工具。转化文档、图片、音视频。 参考文献： https://github.com/VERT-sh/VERT https://vert.sh/ （文：NLP工程化） VERT，一个开源文件格式转化工...
浙大、OPPO等发布最新综述：基于多模态大模型的计算机、手机与浏览器智能体研究
最近，由 Anthropic 推出的 Computer Use 利用基于多模态大模型的智能体操控电脑完成各种任务，让人们为之兴奋，也带动了学术界与工业界在 OS Agents 相关领域的研究与发展。 浙江大学联合 OPPO、零一万物等十个...
小样本大能量！MedVLM-R1借力DeepSeek强化学习，重塑医疗AI推理能力
射学影像是现代医疗诊断的关键，每年全球约有 80 亿次影像检查。随着 AI 技术的快速发展，医学视觉语言模型 (VLM) 在放射学任务中显示出良好的前景，但大多数现有的 VLM 仅产生最终答案而不展示底层推理。 然而，医学推理在临床应用...