Morphik.ai公司创新性地提出了一种基于视觉的文档检索方法，该方法摒弃了传统的OCR（光学字符识别）和解析技术，转而采用文档页面的图像作为处理对象。通过将文档图像分割成小块，并利用视觉Transformer和语言模型，...

月之暗面(MoonshotAI)团队最新发布的Kimi K2技术报告揭示了其大型语言模型系列的重大技术突破。该团队创新性地开发出MuonClip技术，通过将token高效的Muon优化器与新型QK-Clip技术相结合，成功解决了万亿参数模型训...

从复杂的PDF中提取信息一直是个棘手的问题。行业在OCR（光学字符识别）、布局检测和解析流程上投入了大量精力和资金，却仍可能丢失最关键的信息。如今，视觉语言模型（Vision Language Models）已经足够强大，能够直...

埃隆·马斯克的健康科技公司Neuralink在4月24日提交的联邦文件中，将自己标记为“小型弱势企业”（small disadvantaged business），这可能使其在获取联邦机会时获得优先权。这一举措发生在公司估值达到90亿美元之前。N...

由前OpenAI和DeepMind研究人员创立的Reflection AI公司，继三月成功融资1.3亿美元后，正式发布其突破性产品Asimov代码研究智能体。该智能体通过深度索引整个代码库及团队知识体系，能够精准回答工程问题并提供引用来...

当前，以大型语言模型（LLM）为核心的AI技术正在引发新一轮产业变革。最新技术分析指出，AI代理系统通过LLM实现三大核心功能：情境评估、工具建议与调用、以及工具使用的流程控制。在客户支持和故障分类等实际场景中...

近日，GitHub上出现了一个名为`react-native-apple-llm`的开源插件，该插件允许React Native开发者直接调用苹果设备端的Foundation Models（基础模型）来完成AI任务。这一技术突破为移动应用开发者提供了更便捷的AI...

Mistral AI近日发布了其首个开源音频模型套件Voxtral，标志着开源语音理解技术迈入新阶段。该套件包含两个关键版本：24B参数的大规模应用模型和3B参数的边缘计算优化版本。24B模型凭借庞大参数规模，可处理复杂语音...