跳到正文
10月31日週六
  1. DEV Community38

    Rashomon of the Dead:離線優先的開源模型偵探遊戲

    Rashomon of the Dead 是一款以 Ollama 本地運行 Gemma 的離線優先開源偵探遊戲,玩家要盤問五名掌握不同資訊的鬼魂,查明莊園命案真相。遊戲以 Ground Truth Fact Ledger 記錄案情,並透過即時矛盾引擎比對證詞、標示謊言和記憶錯誤。遊戲支援瀏覽器原生語音合成,亦可選用 ElevenLabs API,並設有無需伺服器運行的客戶端模擬模式。

  2. 新浪科技30

    廣東高校生態歌曲創作大賽徵集作品,邀學子以旋律告白美麗廣東

    「綠韻悠揚 綠動青春」生態歌曲創作大賽面向廣東省高校在校生徵集原創歌曲,作品徵集至2026年11月29日。大賽聯合酷狗音樂、Vemus未音開設AI音樂通道,供廣東省內高校在讀大學生參與。Vemus未音依託自研音頻大模型,支援以文字描述、對話交互或上傳圖片生成音樂作品。

10月30日週五
  1. Engadget42

    Meta 推出 AI 時裝應用程式 Style Sketch,讓用戶虛擬試穿衣物

    Meta 在印尼、新加坡和泰國推出 AI 時裝應用程式 Style Sketch,讓用戶虛擬試穿衣物。應用程式可連結 Facebook 和 Instagram 帳戶,或使用相機膠卷中的照片建立虛擬衣櫥,並按衣物、天氣或行程提供穿搭建議。用戶可在配合其體型和膚色的虛擬模特兒上試穿不同組合,目前只在亞洲部分地區推出。

  2. 螞蟻 inclusionAI:HuggingFace 新模型42

    inclusionAI/ZwZ2-27B-GGUF 提供 GGUF 格式權重

    inclusionAI/ZwZ2-27B-GGUF 收錄 ZwZ2-27B 的 GGUF 格式權重,模型分為語言模型及視覺編碼器與投影器(mmproj)兩部分,兩者均提供 FP16、Q8_0 和 Q4_K_M。使用時須選用相配的視覺元件,亦可混合不同精度;量化可能影響準確度。可使用具備 Qwen3.5 多模態支援的 llama.cpp 建置版本進行推理。

  3. 新浪科技58

    百度 APP 上線 AI 互動劇,用戶可選擇劇情走向

    百度 APP 在北京舉行產品升級溝通會,推出四項 AI 升級,AI 互動劇讓用戶選擇劇情走向,互動應用則可親自操作。AI 互動漫劇《龍珠鎮魂,一步生死》已上線;AI 鏡頭支援多目標同步識別、動態追蹤,以及東北話、四川話、粵語、長沙話等 9 種方言即時對話。搜尋可執行多步查找與整理,並在用戶確認後持續追蹤;GUI 場景覆蓋提升 5 倍,接入超 50 億權威資源數據,涵蓋 20 多個行業。

  4. 雷鋒網54

    百度 APP 推出四大 AI 升級,搜尋實現遞歸自我進化

    百度 APP 推出四大 AI 升級,搜尋實現遞歸自我進化並升級搜尋 AI API,活動期間最低價為 4.9 元/千次,低於 DeepSeek 搜尋 API。文心助手已覆蓋 170 餘種場景,可交付成果物並持續跟進長期任務;AI 鏡頭支援多目標追蹤及 9 種方言即時對話。GUI 互動場景提升 5 倍,接入超 50 億數據資源;AI 互動劇與互動應用同步上線。

  5. CAIR 中科院香港人工智能與機器人創新中心31

    CAIR 經顱多普勒多模態大模型亮相「顱影・數智爭鋒」實戰活動,探索腦血管超聲診斷新範式

    CAIR 與深圳德力凱電子股份有限公司自研的經顱多普勒多模態大模型,在「顱影・數智爭鋒」實戰活動中正式亮相。模型覆蓋 98% 以上臨牀場景,超聲提示準確率達 93.8%,超聲所見準確率達 97.52%,可解析超聲頻譜信號、測算血流動力學參數及標註異常徵象,輔助醫師研判。

  6. IT之家21

    比亞迪第三代唐大五座旗艦 SUV 官圖發布:後排支援純平放倒、全新巨幕 UI 互動系統,四季度上市

    比亞迪發布第三代唐大五座旗艦 SUV 的外觀及內飾官圖,新車計劃於四季度上市。新車全球首發星際雙屏,由 35.4 英寸一體遠端星環屏和 30 英寸全景巨幕屏組成,取代傳統儀表及 HUD。新車搭載全新巨幕 UI 互動系統,AI 萌寵桌面命名為「小麵包」,後排座椅支援純平放倒。

  7. HuggingFace Daily Papers(社區熱門論文)45

    OpenFlyV2:用於空中感知與導航的機載視覺語言行動模型

    OpenFlyV2 是統一的機載視覺語言行動模型,可在資源受限的硬件上進行即時空中導航與推理。研究團隊建構的模擬數據集包含約 70,000 條導航軌跡及 60,000 組視覺語言指令與回應。模型以 NVIDIA Jetson Orin NX 機載生成動作,每組包含 12 個航點,運行頻率為 10 Hz;從模擬零樣本遷移至實體四軸飛行器後,在四個真實環境的導航成功率為 48%。

  8. Unite.AI36

    當 AI 讀懂字裏行間:OCR 與 VLMs 的比較

    傳統 OCR 逐字辨識並呈現可量度的不確定性,VLMs 則會按上下文推斷文件含義,可能作出連貫但錯誤的解讀。企業應先評估不同錯誤可能造成的後果,再決定哪些文件可自動處理、哪些需要額外核查。VLMs 亦正應用於自動駕駛、農業及機械人等領域。

  9. 阿里雲開發者社區 AI28

    多模態檢索場景下的 EMR Serverless StarRocks 引擎選型:方案設計與適用條件分析

    EMR Serverless StarRocks 將全文檢索、標量過濾與向量相似搜尋整合於同一執行引擎,支援混合召回、融合排序及湖表寫回。它適合採用開放湖格式、以 SQL 為統一介面,且查詢負載波動大的 AI 數據準備場景;持續高吞吐、低延遲點查則可能更適合專用向量數據庫。

  10. 阿里雲開發者社區 AI39

    企業級多模態分析計算引擎怎樣選:阿里雲瑤池 AnalyticDB MySQL 多模態一體化首選方案

    阿里雲瑤池 AnalyticDB MySQL 將多模態素材接入、庫內語義理解及向量、全文和結構化條件融合檢索整合於同一個兼容 MySQL 協議的資料庫。官方公佈的向量檢索數據為:百億向量在 50 毫秒約束下達到 99% 召回率;兩億向量在 1000 QPS 與 1 秒約束下達到 99% 召回率。

  11. DEV Community47

    實體 AI 系統設計:四個美國配送中心的即時數碼孿生與不離開場內的安全視覺分析

    這套實體 AI 參考架構為美國四個配送中心建立即時數碼孿生,將倉庫、勞工、場地、影片及承運商資料整合,同時在各中心處理影片,僅傳送事件和短片。架構以 RF-DETR 偵測、OC-SORT 追蹤,並以 Mistral Large 3 675B 和 Qwen3.8-27B 提供助手功能;不訓練模型,透過記憶改善系統。

  12. 新浪科技47

    復旦大學與南洋理工大學提出 SimpleVLN,以原生多模態大語言模型刷新導航 SOTA

    復旦大學與南洋理工大學團隊提出 SimpleVLN,無須改動多模態大語言模型的核心架構,透過決策設計與訓練流程提升視覺語言導航表現。Qwen3-VL 4B 經 DAPO 強化學習後,在 R2R-CE、RxR-CE 的成功率分別達 73.8%、75.1%。Qwen3.5 9B 在未見環境測試中的成功率分別為 76.7%、80.1%,SimpleVLN 亦部署至四足機械狗進行導航測試。

  13. DEV Community42

    VTuber Studio Pro:構建開源網絡攝影機驅動 VRM 工作室的單目追蹤經驗

    VTuber Studio Pro 開發者打造免費開源的網絡攝影機驅動 VRM 虛擬形象動畫工具,並分享單目追蹤的實作取捨。Windows 便攜版 v1.2.5 支援 VRM 0.x 和 1.0,追蹤在本機執行,亦可提供透明虛擬形象畫面供 OBS 工作流程使用。單目影像難以準確判斷深度,降低深度動作幅度雖可減少跳動,卻會犧牲反應速度。

  14. DEV Community80

    Mistral 發佈 Large 4「Le Chonk」完整開放權重,模型有 1 trillion 參數

    Mistral AI 於 10 月 29 日公開 Mistral Large 4(「Le Chonk」)完整權重,模型有 1 trillion 總參數、約 52 billion 活躍參數及 1 million-token 上下文窗口。

    推薦理由:文章並列發布前後的 Terminal-Bench 變化與第三方榜單結果,呈現 Mistral Large 4 在編碼表現上的進步及其排名邊界。

  15. IT之家76

    Mistral AI 開放 Mistral Large 4 權重,編碼智能體每項任務平均少用 47% Token

    Mistral AI 正式開放 Mistral Large 4(ML4,代號 le Chonk)模型權重;模型有 1 萬億總參數及 490 億激活參數,連同嵌入層和輸出層則為 520 億。

    推薦理由:文中並列編碼智能體評分、每項任務的 Token 用量變化及權重授權條件,方便讀者對照模型指標與不同用途的使用限制。