-
多模态文档解析模型进展：UNIREC-0.1B架构、数据情况、实际测试
UNIREC是一个0.1B参数量的模型，整体pipline遵循layout（直接拿的paddleocr的layout模型）+ VLM OCR（UNIREC-0.1B）。从这个模型可以看一个趋势，VLM-OCR正在朝参数小进化。下面来看简单看下模型架构、数据情况、实际测试，性能实际测下来一般，仅供参考。文档解析的开源项目模型技术方案都在《文档智能专栏》，如：再看两阶段多模态文档解析大模型-Paddl…- 0
- 0
-
走进 OceanBase 向量背后的算法库 —— VSAG
向量搜索技术，被认为是海量非结构化数据检索的关键技术之一，这会涉及到高维空间的搜索问题，通常会通过近似最近邻搜索（Approximate Nearest Neighbor Search, ANNS）的方式来在高维空间中进行检索，以此来找到满足要求的数据。随着 AI 应用场景的发展，半结构与非结构化数据的涌现，向量数据库成为 AI 时代重要的数据基座。在 VectorDBBench 基准测试中，Oc…- 0
- 0
-
DeepSeek OCR + mHC 将开启多模态“信息动力学”新范式
笔者昨晚突然想到 “融合DeepSeek OCR + mHC” 这个主题，兴奋的睡不着，连夜梳理。站在2026年初，回头看DeepSeek这两项看似孤立却内在契合的技术, 笔者隐约察觉到 DeepSeek可能的大棋局。OCR 是关于“感知”的革新，mHC 则是关于“认知”的重塑，两者融合，会带来一次多模态大模型向“信息动力学”本质的回归。一、 从符号逻辑到象形空间笔者在从DeepSeek…- 0
- 0
-
Data Agent Ready Database：下一代企业数仓架构
如果说 2025 年是数据库的 AI Ready 元年（向量检索、AI 函数成为标配），那么 2026 年将是 Data Agent Ready 的开端。随着 Cursor、Codex 和 Claude Code 等编程 Data Agent 的兴起，以及各类数据分析 Data Agent 的普及，越来越多的数据库操作正在被 AI 接管。但企业级场景与个人实…- 0
- 0
-
Qwen3-VL-Embedding系列上新：探索统一多模态表征与排序
2025年6月，我们开源了面向文本的Qwen3-Embedding和Qwen3-ReRanker 模型系列，在多语言文本检索、聚类和分类等多项下游任务中取得了业界领先的性能，被社区开发者广泛使用。 今天，我们非常荣幸地推出Qwen家族的最新成员：Qwen3-VL-Embedding和Qwen3-VL-Reranker模型系列。这些模型基于我们最近开源的Qwen3-VL模型构建，专为多模态信息检索和…- 0
- 0
-
丢掉向量数据库！PageIndex 开启“推理型 RAG”新时代，长文档分析准确率高达 98.7%
做过 RAG（检索增强生成）开发的同学，大概率都经历过这种痛苦：为了处理一份几百页的专业文档，你需要不断地调整切片大小、重叠度，还要折腾各种向量数据库和嵌入模型。可即便如此，AI 依然会给出驴唇不对马嘴的回答，或者在关键信息上“胡说八道”。究其原因，是因为传统的向量检索本质上是寻找“语义相似度”。但在处理法律条文、金融报告或技术手册时，相似并不等同于相关。真正的精准检索需要的是逻辑推理…- 0
- 0
-
NVIDIA Audio2Face-3D 实时语音驱动面部动画最新部署指南
先分享一下利用昨天集成的数字人口播视频模块做了一个孙悟空唱自己一生的视频，也是之前抖音上很火的一个形态。看看效果：整个过程在我3070电脑上跑了10分钟，效果还可以，就是由于素材的原因，脸部容易动。上述工作流是：Nano bananer生成图片，grok将图片动起来，然后gemini生成歌词，suno生成音乐。然后利用数字人口播视频模块生成上述视频。因为suno和生口播数字人的平台都是按时长收费的…- 0
- 0
-
向量，向量化，向量数据库和向量计算
最近大家都在All in AI，我们的业务系统也要开始接入AI助手，伴随AI的向量数据库突然就变成了我们运维团队的下一个重要目标，向量，向量化，向量数据库和向量计算这些概念扑面而来，下面我们就一个个的解读下。向量化计算我们先看看这个向量计算，它本身和大模型无关，最初是在Clickhouse中注意到这个概念的，这个是Clickhouse的一个核心特性，现在其实很多大数据的计算引擎和数据库都支持向量计…- 0
- 0
-
阿里突然开源Live Avatar！虚拟人进入“无限续帧时代”
过去一年，AI 视频生成的战场上，大家都在追逐“更逼真、更像真人”的短视频效果。但阿里联合多所高校开源的 Live Avatar，却悄悄把方向盘打向了另一个维度：不是做更好看的视频，而是做“能一直播下去”的虚拟人。这件事的意义，比你想象得大得多。为什么 Live Avatar 是一个时代分水岭？我们先说一句可能会被引用很久的话：Live Avatar 不是一个模型，它是“虚拟人基础设施”…- 0
- 0
-
别再迷信向量数据库了，RAG 的“大力出奇迹”该结束了
说真的，现在的 AI 圈子有点浮躁。只要是个做大模型的，开口闭口就是 RAG（检索增强生成）。确实，为了解决 LLM 那个像金鱼一样的短时记忆和一本正经胡说八道（幻觉）的毛病，RAG 几乎成了标准配置。但在过去这一年里，有多少公司的 RAG 方案是真的“能用”的？如果你在做金融研报分析、法律合同审查，或者哪怕只是想让 AI 读懂几十页的内部手册，你一定被那个叫向量检索（Vector S…- 0
- 0
-
蓝色光标×火山引擎：用AI实现多模态内容创作自由
生成式 AI 正在深刻改变营销行业，构建多模态内容能力成为提升效率、推动行业发展的关键。作为全球前十的广告营销企业，蓝色光标自2024年起，与火山引擎建立深度合作，围绕 AI 大模型技术在营销场景的落地展开多维度探索。近日，双方进一步深化合作，将火山引擎的 AI 和云计算技术与蓝色光标 BlueAI 应用引擎深度融合，用 AI 重塑营销内容生产模式和服务模式，高效应对营销行业对内容的爆发…- 0
- 0
-
告别黑盒开发！清华系团队开源 UltraRAG：用“搭积木”的方式构建复杂 RAG 流程
在生成式 AI 领域，RAG（检索增强生成）早已不是新鲜词汇。但真正动手做过项目的同学都知道，想要搭建一个能在生产环境稳定运行、逻辑复杂的 RAG 系统，往往需要编写大量繁琐的胶水代码。更头疼的是，一旦涉及到循环判断、多级检索等复杂逻辑，系统往往就变成了难以调试的“黑盒”。为了解决这些痛点，清华大学 THUNLP 实验室、东北大学 NEUIR 实验室、OpenBMB 以及 AI9sta…- 0
- 0
-
20年过去了，大厂们又开始卷输入法了。
前段时间，字节的豆包输入法正式上线了应用商店。世超也就是手痒，第一时间下回来替大家尝了个鲜。刚打开时我还挺惊讶的，因为软件简洁得有点过分了，不像大厂的产品。目前也只能看到一些输入相关的基础功能，没啥多余的复杂功能，设置页面也挺纯粹，是干嘛的调整啥的很清楚。它的词库联想能力还正常，要说能打败同行的亮点吧，就是它的语音识别，确实能打。又快又准，前脚说完后脚已经识别并修正好了，有时我甚至嘴瓢了它也能纠正…- 0
- 0
-
RAG优化不抓瞎！Milvus检索可视化，帮你快速定位嵌入、切块、索引哪有问题
最近，在GitHub上发现一个宝藏项目Project_Golem 。一直以来，RAG 是解决知识时效性、事实性问题的核心方案，但RAG 调试的黑盒却一直是个问题：我们只能看到相似度分数，却无从知晓文档在向量空间的实际分布，更搞不懂为什么是这些文档被召回、为什么核心文档会漏召 / 误召，调优全凭经验瞎猜。那么，到底是embedding模型选错了？chunking大小不合理？还是检索过程的索引算法选的…- 0
- 0
-
断网条件下使用本机AI助手软件实现Excel表格转换为机器可理解的Markdown格式
在不调用 MCP（Model Context Protocol）服务器或任何外部工具（如 Python 脚本、Azure 服务等）的情况下，仅通过 Prompt 工程来完成 Excel 到 Markdown 的转换，需要选择具备强大 视觉理解（Vision）能力的 多模态大语言模型（Multimodal LLM, MLLM）。不调用MCP工具的原因也是害怕把敏感数据通…- 0
- 0
-
Fusion GraphRAG：超越 GraphRAG 的多模态企业级 AI 问答
今天我们不谈基础的图数据库概念与应用场景，而是聚焦于一个更前沿的融合领域——基于图的 RAG 平台。在大型语言模型席卷全球的当下，企业面临的核心挑战已从如何搭建一个大模型转变为如何安全、高效、低成本地使用大模型处理私有知识。一、当前大模型落地的现实路径面对私有化部署和知识更新问题，目前主要有两种路径：微调与纯接口调用。微调：成本高昂、流程复杂，文档的每次更新都可能触发重新训练纯接口调用：无法触及企…- 0
- 0
-
告别表格错行与手写噩梦：Mistral OCR 3 深度解析
本文将深入探讨 Mistral OCR 3 的核心升级、架构逻辑及其在 Document AI 生态中的地位。核心能力：四大维度的精度飞跃Mistral OCR 3 并非简单的增量更新。在针对真实业务场景的内部基准测试中，其综合胜率比前代产品 OCR 2 高出 **74%**。我们将其核心能力升级总结为以下四个方面：手写体深度解析：支持对草书、混合标注以及在印刷模板上叠加的手写文字进行精准捕捉。这…- 0
- 0
-
Semantic Kernel内存管理系统——为AI注入持久记忆与上下文感知能力
1. Memory系统核心概念与设计哲学Memory是Semantic Kernel框架中让AI应用真正具备"智能"的核心组件。与传统计算的缓存机制不同，Semantic Kernel的Memory系统模仿了人类的记忆过程，能够让AI模型记住历史交互、检索相关知识，并在后续决策中利用这些信息。1.1 什么是AI中的Memory？在Semantic Kernel中，Memory不…- 0
- 0
-
【一键部署系列】｜09｜TTS｜把TTS流式延迟从2秒干到51毫秒，提升40倍的极限优化实战
【一键部署系列】｜09｜TTS｜把TTS流式延迟从2秒干到51毫秒，提升40倍的极限优化实战微信公众号：[AI健自习室]关注Crypto与LLM技术、关注AI-StudyLab。问题或建议，请公众号留言。Info项目地址：https://github.com/neosun100/kokoro-ttsDocker Hub：https://hub.docker.com/r/neosun/k…- 0
- 0
-
AgentSkills 揭示的真相：上下文工程走错了三年
一个反直觉结论：你越少喂上下文，Agent 反而越能干。RAG 很努力，但结果不稳定很多公司做知识库问答（RAG）都是“拼命三郎”：• 文档格式化• 索引调参• 检索融合• 还要给模型加反思链但最后呢？要么“找不到”，要么“胡编”。所以我们换个脑回路：不去替模型管上下文，而是给它一个可探索的文件系统。Agent 只拿一个最小起点，剩下的让它自己找。换句话说：你负责把食材放进冰箱分门别类…- 0
- 0
-
通信工程CAD图纸智能化，PaddleOCR-VL+ERNIE-4.5联手凯通科技实现“感知-决策-知识”闭环
行业背景&痛点计算机辅助设计（CAD）作为工业软件的重要组成部分，支撑着从产品设计到制造的全流程数字化，被广泛应用于航空、航天、汽车等多个领域。近年来，随着AI技术的发展，CAD与AI的融合成为趋势。国外厂商在这方面已经取得了显著成就，而国内厂商也在迅速追赶，尤其是在AI解决方案和实际应用方面展现出了独特的优势。然而，在CAD图纸智能审查领域仍普遍面临“图纸解析精度低、业务关联难”的技术瓶…- 0
- 0
-
Langgraph从零开始构建第一个Agentic RAG 系统
使用自定义工具和向量数据库创建Agentic RAG 系统的分步指南，让它学会向人一样不断思考连续调用不同工具解决问题智能体人工智能正在迅速普及，现在是时候进行另一次详细的教程了，这不仅能帮助你构建你的第一个智能体 RAG 系统，还能让你深入了解它的组成部分。我们的教程从 RAG 开始，再过渡到Agentic RAG 。LLM 的内部知识有限，它基于训练数据和上下文长度。为了确保LLM能…- 0
- 0
-
零成本！我用 PaddleOCR API 做了一款视频字幕提取神器
前言前几天在体验视频解析文件AI应用的时候，发现了一个非常方便的功能：自动提取视频内容。核心原理是基于计算机视觉、图像处理和机器学习技术，通过对视频帧序列进行解码、分析和特征提取，将非结构化的视频数据转化为可识别、可检索的结构化信息。核心处理流程中肯定会用到OCR技术，如果能把多模态能力和 OCR 技术结合起来并把它整合到视频字幕提取工具里，是不是就能实现零成本提取视频字幕了呢？背景早在10月份的…- 0
- 0
-
大模型在需求分析与设计中的提效实践
一、背景介绍随着 AI 技术的快速发展，越来越多的企业开始积极探索如何利用 AI 优化产品开发流程。从初期的产品需求文档（PRD）撰写、系统分析与设计，到高质量代码的生成，AI 正逐步渗透到开发全流程，构建起一个完整的“AI辅助开发生态”，显著缩短开发周期。在传统开发流程中，PRD 和系统分析文档的设计以及编码实现需要人工拆解、设计和开发，这不仅易产生理解偏差和重复工作，还存在效率低下、质量不稳定…- 0
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×