搜索
面壁智能开源MiniCPM-OCR 1.0与MiniCPM-OCR Jev，前者以1.3B参数取得4项SOTA并登顶吞吐，后者独立为OCR结果校准置信度并触发重读或人工复核。
服了！天天在AI一线冲浪，竟然也会跟不上版本。
大模型训练已经跑到万卡集群规模，显存始终是那道隐形的门槛。
现实版《盗梦空间》，真的来了！
近两年，视频世界模型（video world model）成为生成式 AI 最受关注的方向之一。只需给定一张参考图和一段场景描述，模型就能根据用户输入的相机位姿或控制指令，逐帧生成出一个可以自由漫游的虚拟世界。
今天，我们正式推出 DiffuSpace Clover（三叶）的第一个版本 35B-A3B-Preview。
Jack Dorsey旗下Block研究团队Dessa尝试剔除文字训练、直接实现语音到语音交互，xAI的Grok Voice 3.0与OpenAI的GPT-Live则加速实时语音AI商用，但文章指出其在信息核对、隐私与办公场景中仍难取代屏幕。
Google正式发布世界模型Genie 4，提升画面真实感、物理模拟、世界一致性与实时控制能力，并可生成同步环境音和互动对话，由Gemini引导智能体协助规划，展现其在游戏、VR及互动影游领域的潜力。
英伟达宣布向Meta投资30亿美元，并扩大Muse个人智能体及Muse系列模型合作，Meta同时计划募资950亿美元，以支撑AI基础设施和资本开支。
不er，RSI应用在OCR上，效果这么猛？？