跳到正文
11月4日週三
  1. HuggingFace Daily Papers(社區熱門論文)44

    YANAMI:面向多輪有狀態互動的大規模多模態數據集與基準

    YANAMI 提出面向有狀態互動的大規模多模態對話數據集及基準,評估模型追蹤和實現跨輪次變化的對話狀態。YANAMI-400K 包含 400K 段多輪對話、超過 2M 張圖片及 2.6M 個對話輪次;以其微調 BAGEL,圖像編輯、生成及多模態有狀態互動能力分別提升 10.3%、2.0% 及 13.23%。評測顯示,現有統一多模態模型仍難以維持、更新並以視覺輸出實現變化中的對話狀態。

  2. 新浪科技77

    騰訊混元發佈新一代大語言模型 Hy4

    騰訊混元發佈新一代大語言模型 Hy4,新增視覺理解並首次支援電腦操作(Computer Use),亦提升指令遵循、長文理解及長程智能體能力。Hy4 將於近期開源模型權重並發布模型系統卡片,目前已在騰訊雲Tokenhub、WorkBuddy/CodeBuddy、元寶等產品上線,API 亦接入 OpenRouter、Hermes、OpenCode 等平台。

    推薦理由:Hy4 的更新涵蓋視覺理解、電腦操作及長程智能體任務,報道亦列出已上線產品與 API 平台,呈現能力擴展及接入情況。

  3. 新浪科技70

    騰訊混元 Hy4 正式版發布,首次加入視覺能力並支援電腦操作

    騰訊混元發布 Hy4 正式版,首次加入視覺能力並支援電腦操作;官方稱 Hy 首次躋身最強開源模型之列。Hy4 預計近期開源模型權重並發布模型系統卡片,目前已在騰訊雲和 OpenRouter 上線,可在 CodeBuddy / WorkBuddy、元寶、ima 等產品體驗。報道指出,Hy4 在數學、長程開發、模型迭代和視覺問答等高難度測試上,與頂尖閉源模型仍有較大差距。

  4. HuggingFace Daily Papers(社區熱門論文)44

    統一多模態模型的概念遺忘能否統一?探索跨路徑概念遺忘

    一項研究提出 UniForget,旨在統一多模態模型中同時抑制目標概念的生成與識別,並保留其他能力。研究亦推出 UUBench,涵蓋 30 個目標概念及 60 個語義相關概念;UniForget 在 BAGEL-7B-MoT 和 Janus-Pro-7B 上的聯合遺忘率分別為 80.0% 和 92.7%。分析顯示,聯合遺忘與能力保留之間存在取捨。

  5. 新浪科技50

    商湯推出日日新 SenseNova 6.8 Flash 正式版,支援動態 PPT 及智能體 3D 設計

    商湯推出日日新 SenseNova 6.8 Flash 正式版,將設計生成擴展至 Web、SVG、Three.js、Blender 及 PPT,並支援動態 PPT、動態海報和智能體 3D 設計。模型可接入 Figma 等工作流程,融入現有專業設計流程。官方披露,模型在智能體協作、數據分析及演示生成等多項基準評測中超越部分國際前沿模型,並以長期記憶和主動互動支援持續協作。

  6. 阿里雲開發者社區 AI61

    從「交卷即回饋」到「可追溯的 AI 點評」:培訓平台多模態作業 AI 點評系統的技術實踐

    文章介紹培訓平台多模態作業 AI 點評系統的實踐方案,透過分層解析、Rubric 版本化檢索(RAG)、規則與 LLM 雙通道評分及置信度門控,將 AI 定位為助教而非最終評分者。系統以證據綁定、低置信度拒答和講師人工覆核建立可追溯閉環,並建議先從低風險、標準清晰的題型開始,再逐步擴展至主觀題和多模態評估。

  7. 新浪科技72

    蘋果智能 Beta 版開放測試,Siri 可調用千問,千問 App 可制定個人化睡眠方案

    蘋果智能隨最新 iOS 開發者 Beta 版開放測試,用戶可在 Siri、寫作工具及視覺智能中調用千問的文字與圖像理解、內容生成能力。Siri 可先提供通用睡眠建議,進一步需求可跳轉千問 App,並同步對話資訊;千問可結合睡眠記錄、運動情況和生活習慣制定個人化方案。

  8. 新浪科技70

    Apple Intelligence 國行版 iOS 27.3 Developer Beta 1 首輪實測:基本功能可用,續航與穩定性成問題

    國行 Apple Intelligence 隨 iOS 27.3 Developer Beta 1 開放測試,首輪實測顯示基本功能可用,但續航、發熱與穩定性問題較突出。Siri、寫作工具及視覺智能可調用通義千問;上傳圖片或文件交由千問處理前,系統會再次確認權限。測試僅支援搭載 A17 Pro 及更新晶片的指定 iPhone,弱網下雲端請求可能逾時或中斷。

  9. DoNews63

    凌川科技完成10億元B輪融資,啟明創投聯合領投

    凌川科技完成10億元B輪融資,由啟明創投聯合領投,資金主要用於下一代晶片研發與量產及全球市場拓展。其自研SL200智能視頻晶片已銷售近10萬顆,部署於快手、阿里雲、百度雲及嗶哩嗶哩等互聯網公司,覆蓋快手99.7%的直播相關業務。今年以來,該晶片亦透過與電信等合作夥伴合作,應用於數據中心、智慧安防、文娛交通等場景。

  10. 阿里雲開發者社區 AI29

    AI 英語教學軟件的開發與落地流程

    AI 英語教學軟件的開發與落地通常分為需求規劃、架構選型、功能開發、低延遲優化、測試評估及持續營運六個階段。方案結合 LLM、ASR/TTS、多模態技術與 RAG,並提出以 WebSocket 或 WebRTC 將語音對話響應延遲壓至 1 秒內。

  11. 雷鋒網72

    實測 Apple Intelligence Beta:千問 APP 成為 Siri 外援,可接力處理任務

    Apple Intelligence 隨最新 iOS 開發者 Beta 版開放測試,用戶可在 Siri、寫作工具及視覺智能中調用千問能力。可調用的能力包括文字與圖像理解、內容生成。記者實測發現,iPhone 可進行基礎問答、圖文分析及內容生成;進一步需求可點擊後跳轉至千問 APP,對話資訊會自動同步。

  12. DEV Community29

    Amblyotube 如何以 VR 視覺訓練改善雙眼協調

    Amblyotube 是 Seven Sports 為 Meta Quest 開發的娛樂及教育軟件,透過 VR 練習視覺協調和注意力,讓雙眼接收不同的視覺體驗。用戶可調整患眼及嚴重程度,並使用逐眼後期處理、遮擋和融合標記;它是輔助訓練工具,不是診斷工具。

  13. 新浪科技35

    橢圓時空發佈天地一體化太空智能體平台

    橢圓時空正式發佈太空智能體平台 AethraZTM1.0,打通衞星、地面平台與現場終端,支援需求理解、任務規劃及協同執行。平台依託由112顆單星組成的「星池計劃」低軌衞星星座,星座分四階段建設,各階段廣域資訊服務響應時間約為3.6小時、26分鐘、15分鐘和8.8分鐘。地面平台可部署於客戶機房,並接入多行業算法與模型。

  14. 阿里雲開發者社區 AI19

    2026 年 CAD AI 圖元與圖例識別:技術演進與系統構建

    CAD AI 圖元與圖例識別融合多模態視覺大模型(VLM)及三維幾何深度學習,用於圖紙審核、工程算量、數字化轉錄及 BIM 逆向建模。系統結合矢量解析、柵格向量化、語義分割、拓撲重建與人機協同校核,工業級應用通常要求準確率達到 99% 以上。大型圖紙可透過分塊並行流式處理與 R-Tree 加速。

  15. DoNews76

    iPhone 中國大陸版 Apple 智能首批功能與測試情況一覽

    iPhone 中國大陸版 Apple 智能已向中國大陸用戶開放開發者 Beta 版測試,首批功能涵蓋寫作工具、視覺智能、照片消除、智繪表情、錄音及通話摘要,以及 Siri 更新。

    推薦理由:文章按場景整理中國大陸版 Apple 智能的首批功能,並記錄 iPhone 16 Pro 測試時的閃退與發熱情況,呈現 Beta 版的實際使用狀況。

  16. IT之家37

    蘋果 iPadOS 27.3 首個開發者預覽版為相機 app 新增 Siri 入口,讓視覺智能觸手可及

    蘋果在 iPadOS 27.3 Beta 1 為部分 iPad 的相機 app 新增 Siri 標籤頁入口,方便用戶透過視覺智能識別植物、地標和商品,或翻譯畫面文字。功能適用於搭載 M1 及更新芯片的 iPad Pro 和 iPad Air,以及搭載 A17 Pro、A20 Pro 芯片的 iPad mini;視覺智能此前已可在 iPad 使用。iPadOS 27.3 正式版預計於 12 月發布。

  17. IT之家73

    Apple 智能首批功能隨 iOS 27.3 開發者預覽版登陸國行 iPhone,AirPods 加入即時翻譯

    Apple 向 iPhone 推送首個 iOS 27.3 開發者預覽版,為國行用戶帶來「Apple 智能與 Siri」及首批功能。功能包括 Siri 呼出燈效、訊息、FaceTime 通話和電話 App 的即時翻譯、寫作工具、視覺智能、相片消除工具、智繪表情及通知摘要;「千問」擴展則可協助撰寫文本、生成圖像和回答問題。

  18. DEV Community26

    Trump 與 MAGA:他的政治運動為何分裂

    原標題聚焦 Trump 與 MAGA 運動的分裂,但正文主要介紹 Seven Sports 的 Amblyotube:這款 Meta Quest 應用程式把 YouTube 影片轉化為互動式雙眼視覺訓練。應用程式提供 LogMAR 視力測試、主導眼遮蔽及弱視眼影像鋭化等功能,面向 13 歲或以上用戶。

  19. DEV Community22

    AI 工具與 B2B SaaS 的取證影片拆解

    工程團隊正以 AI 驅動的取證影片拆解流程,逐格審核軟件示範影片,將畫面轉化為可驗證的執行資料。流程結合光流分析、延遲剖析及 OCR,偵測剪接、加速播放和控制台錯誤。多模態 LLM 會比對終端記錄與音訊轉錄,標示陳述與實際畫面不符之處。

  20. IT之家75

    國行 Apple 智能與 Siri 隨 iOS 27.3 開發者預覽版上線,iPhone 15 Pro 及更新機型可用

    國行 Apple 智能與 Siri 已在 iOS 27.3 開發者預覽版開放使用,iPhone 15 Pro 及更新機型支援。用戶可在 Siri、寫作工具和視覺智能中調用千問,涵蓋文字與圖像理解,毋須跳轉至獨立應用程式。首批功能包括即時翻譯、寫作改寫與校對、視覺智能識別周邊物件和場所,以及照片 App 的消除工具。

  21. DEV Community35

    在 hackCBS 9.0 打造 MedEasy:應對印度醫療資訊不對稱

    團隊在 hackCBS 9.0 開發 MedEasy,以改善印度醫療資訊不對稱,提供藥價比較與臨牀安全核查。平台支援英語和印地語,可比較品牌藥、PMBJP 和 Dava India 仿製藥價格,並核查 260+ CDSCO NSQ 藥物回收通知。MedEasy 使用 Gemini 2.5 Flash 處理處方辨識及雙語對話,藥價比較顯示的折扣最高可達 90%。

  22. HuggingFace Daily Papers(社區熱門論文)46

    Micius-Flash:面向工程的輕量級智能體智能

    Micius-Flash 是一款面向工程的 27B 參數多模態推理模型,採用知識樹數據流程及多教師在線策略蒸餾訓練,支援 256K-token 上下文。在超過 20 個數據集、約 15K 筆記錄上,其硬件程式碼基準平均得分為 64.2%,較同規模基線高 15.0 個百分點;半導體智能體基準得分為 62.4%,高 17.2 個百分點。