Google近日发布了其最新的AI视频模型Veo 2，该模型的生成成本高达每秒0.5美元，相当于每分钟30美元。这一高昂的成本引发了业界的广泛关注。Veo 2作为Google在AI视频生成领域的最新成果，其技术复杂度和计算资源需求...

微软近日发布了两款全新的开源语言模型Phi-4-mini和Phi-4-multimodal，这两款模型在硬件效率和多模态处理方面表现出色。其中，Phi-4-mini拥有38亿参数，专注于文本任务；而Phi-4-multimodal则具备56亿参数，能够处理...

近日，SubPOP发布了一个大规模数据集，专门用于微调LLM（大语言模型），以预测调查响应分布。该数据集通过减少预测差距，显著提升了模型在未见过的调查数据上的泛化能力。这一技术突破为公众意见预测提供了更精准的...

Allen AI近日宣布，其通过持续微调Qwen VL模型，成功训练出一款强大的PDF文本提取工具——OlmOCR。该模型基于超过20万份PDF文档进行训练，能够高效、精准地提取PDF中的文本内容。OlmOCR的推出标志着PDF文本提取技术的...

Hazy Research的最新研究表明，通过Ollama使用本地模型，并结合长上下文云端模型作为协调器，可以在仅花费17%成本的情况下，实现97%的任务性能。这一发现为企业在AI部署中提供了更高效、更经济的解决方案。本地模型...

近日，一款名为Tach的工具在技术社区中引起了广泛关注。Tach旨在帮助开发者可视化并解耦Python代码库，从而提升代码的可维护性和可读性。通过Tach，开发者可以直观地查看代码库中的模块依赖关系，识别潜在的循环依赖...

在深度学习领域，Self-Attention机制因其在处理序列数据时的高效性而广受欢迎。然而，最近的研究表明，快速傅里叶变换（FFT）可能成为Self-Attention的有力替代品。FFT作为一种经典的信号处理技术，能够在计算复杂度...

随着Vision Language Models（VLMs）的快速发展，传统的光学字符识别（OCR）技术正面临被取代的可能。VLMs结合了计算机视觉和自然语言处理的能力，能够更准确地理解和解析图像中的文本内容。与OCR相比，VLMs不仅能识...