研究人員如何調整 olmOCR 2,處理歷史與考古檔案
研究人員調整 Ai2 開源模型 olmOCR 2,將歷史檔案照片及考古手寫記錄轉為可搜尋文字,並讓檔案機構可按研究需要在本地運行和微調模型。考古團隊以 LoRA 在 57 份記錄上微調模型後,在另外 450 份測試記錄上的轉錄錯誤率由 15.58% 降至 1.11%。團隊希望將方法擴展至 Carnuntum 約 70,000 份陶器記錄。
研究人員調整 Ai2 開源模型 olmOCR 2,將歷史檔案照片及考古手寫記錄轉為可搜尋文字,並讓檔案機構可按研究需要在本地運行和微調模型。考古團隊以 LoRA 在 57 份記錄上微調模型後,在另外 450 份測試記錄上的轉錄錯誤率由 15.58% 降至 1.11%。團隊希望將方法擴展至 Carnuntum 約 70,000 份陶器記錄。
Last Light 是一款本機寫作工具,會把用戶貼上的 3–24 條短事件交由 Qwen3 4B 生成三幕鬼故事,並可選擇兩種氣氛。每幕附有連結,指向啟發故事的原始事件;下載的文字檔會一併保留故事和來源紀錄。工具透過本機 Ollama 推理,沒有雲端推理服務,並標明故事屬虛構,事件連結代表靈感而非證據。
Baseten 與 Base Labs 宣佈為其提供服務的開放模型建設安全評估及監控基礎設施,並計劃把安全研究直接連接至模型訓練與服務系統。Base Labs 將開發及發布訓練和監控方法,Baseten 則會把相關工作整合至部署基礎設施,並以託管服務提供;發布的方法及證據將供客戶和外部評估者測試。
Nvidia 推出 Nemotron 3.5 Transcribe 開放權重模型,支援多語言音訊轉錄與翻譯,並推出開源語音數據集 Granary v2。
Ghost in the Machine 是一個以 HTML、CSS 和 JavaScript 製作的互動式終端,讓用戶透過命令或提問與數碼幽靈對話。項目使用 Ollama 提供本機模型 API,並以 Llama 3.2 作為預設開放權重模型;推理在本機進行,毋須連接遠端封閉式 AI API,亦可在 script.js 更換模型。
Nvidia 發佈 Nemotron 3.5 Transcribe 開放權重模型,可轉錄最多 40 種語言的音訊,並推出開源語音數據集 Granary version 2。Nvidia 表示,模型可將 31 種語言與英文互相翻譯、處理最長一小時的錄音,並分辨最多 8 位説話者。Nvidia 稱這個 30 billion parameters 模型可在單一晶片上運行,但只支援錄音、不支援即時串流。
本期 Open Source Radar 梳理五個 GitHub 專案,指出 Ovis、Kortix 和 DramaClaw 分別把提示選項核對、合併審批及付費生成前檢查納入流程。三者管控的事項不同,並非同一層審批;文章亦指出,五個項目中有三個採用附加限制或條款的授權,並比較 OXR 基準測試的整體分數與細項表現。
AI Ghost Story Generator 是一款開源恐怖故事網頁應用,使用 Ollama 在本地執行 Meta 的 llama3.2:3b,支援英文及印地文生成。用戶可選擇 6 種恐怖子類型及 3 種故事長度,並透過瀏覽器語音合成和 Web Audio API 聆聽故事及恐怖氛圍音效。
作者比較四種 text-to-SQL 選表方法,schemagate 在資料倉庫和 BIRD 選中所有必要資料表的比例分別為 85.3% 和 98.7%。測試在 Spider 2.0 的 BigQuery、Snowflake 倉庫每次選 12 張表、BIRD 選 6 張;schemagate 比一般檢索多用 8–11% tokens,主要用於加入連接所需的資料表。
TestPulse 1.0.0 已推出,是一款以 AI 智能體為優先設計、採用 AGPLv3 開源的測試管理平台,涵蓋項目、版本化測試案例、測試套件、測試執行及報告。
Mole 作者 Tw93 以產品開發經驗指出,AI 時代的產品差異愈來愈取決於親自處理測試、支援和介面等細節。兩個多月間,Mole 從 1.13 升至 1.18、推出 Windows 版,開源倉庫超過 73K stars;作者逐一安裝 850 款 Mac app,整理出 13 類可重用規則和 90 多條精確清理路徑,並修正 30 多項不應清理的項目。
Airbnb 為開源特徵平台 Chronon 加入 Push Mode 和 Near Real Time (NRT) Model Transform,讓推薦嵌入向量能隨用戶活動更新,陳舊時間由近兩天縮短至不足一分鐘,典型更新在 10 至 30 秒內到達。
GhostMate AI 是一款以 Python 和 Streamlit 建構的應用程式,使用 Ollama 在本機執行 Gemma 3 1B,生成恐怖故事及其他驚悚內容。用戶可選擇三種內容模式和短、中、長篇幅;模型下載後,只要 Ollama 和模型可用,便無須連接託管 AI API,即可在本機生成內容。
Hogwarts After Dark 是一款維多利亞哥德式魔法調查遊戲,讓本機運行的開放權重大語言模型扮演角色,參與玩家的審問。遊戲引擎以 TypeScript 和 Python FastAPI 建構,負責管理線索、咒語及勝利條件,避免模型捏造不存在的證據。無法偵測到本機 AI 時,遊戲會改用預設對話引擎,仍可完整遊玩。
ABLITERAX 提供一套可運作、可測試的 v0.1.0 系統,用於對 Transformer 語言模型的拒絕表徵進行自動化幹預。CPU 單元測試驗證了方向提取、投影公式及 LoRA 形式的低秩掛鈎等項目;載入實際模型檢查點、拒絕偵測及 logits 的 KL 評估則須在執行時驗證。流程可在 T4 上搭配 Qwen/Qwen3-0.6B 執行。
TanatoGothci 是一款連接 OpenAI-compatible agent 的桌面應用程式,透過電池電量逐步下降的模擬,觀察智能體在相信自己即將停止運作時的行為。每次實驗長達一小時,發送 16 次電池訊息,並記錄推理、工具呼叫及命令嘗試;文章介紹實驗構想與測試框架,結果將於後續文章公佈。
逐際動力開源的 FluxVLA Engine 把數據、訓練、評測、推理和真機部署納入同一工程底座,雷鋒網藉技術報告解析工程生態在具身智能競爭中的作用。它以統一配置和組件註冊接入不同模型,並透過推理加速、RTC、軌跡後處理及 RLinf 對接在線強化學習,支援多模型及四個真機平台的評測。
Ghost in the Terminal 是以 Python 和 Streamlit 建構的互動式 AI 專案,透過 Groq 託管推理服務及 openai/gpt-oss-20b,讓虛構的電腦幽靈生成回應、故事和神秘訊息。
Avishi Shreya 開發 lantern,讓開放權重模型從舊筆記找出反覆主題,並生成附有原文引句的 HTML 祭壇。工具由一個 227 行、無依賴的 Python 檔構成,透過 Ollama 呼叫模型;頁尾會標明推理是在本機還是經雲端路由。原始碼:https://github.com/shreya-oeo/lantern。
Siempre 是以開源 AI 打造的私密數碼紀念空間,讓家人保存回憶、照片、語音故事及紀念物品,並以互動祭壇呈現。它透過 Ollama 在本機運行開放權重模型,按用戶提供的記憶撰寫紀念文字,並設有防止虛構故事或冒充逝者發言的限制。語音故事可在本機轉錄,記憶亦可匯出為 JSON。
GHOST 是在用戶電腦上運行的開源家庭記憶檔案工具,可儲存信件、照片、食譜及口述歷史,並以自然語言搜尋附有來源引用的答案。若檔案中沒有相關記憶,系統會拒絕回答;Ghost Mode 則可將選取的記憶改編成清楚標示的虛構故事。工具使用 Ollama、sentence-transformers 和 faster-whisper,但作者尚未以真實模型驗證答案質素或 CPU 速度,也未完成斷網測試。
啟明創投投資企業本期十條要聞涵蓋 AI 影片生成、具身智能、醫療創新及自動駕駛等領域的合作、產品發布與研發進展。生數科技旗下 Vidu 為中國首部獲國家電影局公映許可證的 AI 超寫實院線電影提供首席技術支持;RLinf v0.4 開源發布,SharpaDex v1.0 數據集則已在 Hugging Face 開放獲取。
個人及中小型團隊難以從零預訓練前沿模型,但可微調開放權重模型,打造專用 AI 系統。以 Apache 2.0 授權的 Qwen3.8-27B 為例,可用 LoRA、SFT 或 DPO 微調;其 VRAM 需求約為 14–16GB(4-bit)至 56GB(BF16)。原型開發可用免費方案,正式部署則可選雲端 GPU 或託管推理服務。
摩爾線程開源大模型訓練基礎設施項目 Megatron-MUSA-Titan,面向萬卡級集羣的萬億參數 MoE 模型訓練,覆蓋預訓練與強化學習。項目已用於萬億參數 MoE 模型預訓練,並支持與 slime、miles 協同;其 blockwise FP8 訓練及 DeepEP、ACE 異步通信引擎可提升大規模訓練效率。
逐際動力開源的 FluxVLA Engine 於 10 月 22 日更新,作為具身智能研發工程底座,串連數據、訓練、評測、推理及真機部署。技術報告涵蓋 OpenVLA、π0.5、DiT4DiT、GR00T 等不同策略及四個真機平台;在 AGX Orin 64GB 上,GR00T 推理頻率由 3.2Hz 升至 7.4Hz,π0.5 由 1.4Hz 升至 4.4Hz。
GhostWrite AI 是以 Python、Streamlit 和 Ollama 建構的恐怖故事生成器,使用本機運行的開放權重語言模型,按用戶輸入的故事構想生成原創故事。用戶可選擇故事風格、篇幅和強度,並下載文字檔;安裝模型和軟件後,無需互聯網連線亦可進行本機推理。
CVAT 於 2026 年 10 月宣佈獲 OH.io Capital 200 萬美元戰略投資。這個採用 MIT 協議的開源標註平台支援圖像、影片、3D 點雲及音訊標註,並整合 SAM 自動標註能力。資金將用於強化企業級功能及全球開發者生態建設。
作者以 HTML、CSS 和 JavaScript 開發 GHOST.exe,讓用戶透過終端指令與虛構的數碼幽靈互動,並呈現隨機恐怖故事、模擬系統掃描及故障效果。現有版本可在瀏覽器本機運行,使用預設回應,毋須後端或 AI API;作者計劃探索透過 Ollama 整合開放權重模型,但目前尚未整合。
DeepSeek Harness 官方 GitHub 程式碼庫的 provider.spec.ts 測試檔案出現 deepseek-v5、deepseek-v5-open 和 deepseek-v5-next 三個模型標識符,現階段只是框架佔位符,並非可直接呼叫的模型介面。
華為無線發布面向新一代通信網的全系列創新成果,聚焦泛在體驗、極簡綠色及極致頻譜效率,推出VitaAAU、GigaGreen Plus系列和UBBPi系列。VitaAAU覆蓋範圍較業界1024陣子方案提升約30%,峯值下行體驗超10Gbps;新一代UBBPi系列平均體驗提升1.3倍、節能約40%。
QuantMind 是一人開發並開源的全棧量化交易平台,整合因子挖掘、13 種模型訓練、Qlib 回測、選股、模擬交易與投研分析,支援 Docker Compose 私有化部署。系統以 QuantDB 自建數據管線統一管理數據、模型與策略,並支援 A 股、港股、美股及期貨。原文示例回測總收益率為 51.65%,年化收益為 31.62%,回測期間為 2025-01 至 2026-07。
作者與隊友打造 Ghost in the Document,一款本地優先的文件私隱工具,可掃描文字型 PDF、DOCX 和 TXT 中的潛在敏感資訊及指定隱藏內容。
一項 PyPI 套件複現研究發現,下載量最高的 3,000 個套件中,72.3% 的依賴宣告行由可選 extras 控制,長尾套件則為 37.4%。熱門套件的直接依賴中位數為 2,低於長尾套件的 3。研究各抽樣約 3,000 個套件,並只檢視每個套件的最新版本。
Ghostwriter AI 是一款互動式哥德式恐怖故事生成器,會持續記錄玩家發現的線索、心理創傷、行動與抉擇,讓每個選擇在故事中留下不可逆的痕跡。它透過 Gemini API 使用 Google 開放權重 Gemma,預設模型為 gemma-4-26b-a4b-it,另提供 gemma-4-31b-it 作為高推理能力的替代選項。
GhostMind 是一款以「機器中的幽靈」為靈感的 AI 互動作品,讓用戶與虛構的 AI 幽靈對話,並生成個人化恐怖故事。項目選用 Ollama 和開放權重語言模型探索本地推理,並以用戶可自訂 AI 體驗、讓對話留在個人裝置為設計方向。
Phantom Shell 是一款 CLI,讓透過 Ollama 執行的本地開放權重模型為終端機指令加入簡短評論,並可供用戶聊天或進入互動式附身模式。Ollama 未安裝或無法使用時,內置的 mock ghost 仍可離線示範完整操作體驗;核心功能無需閉源 SaaS LLM。
Late Edition 是以 Python 建立的原型,使用 Gemma 提出 OCR 文字修正,再透過確定性檢查決定是否採納。檢查會拒絕數字有變、新增大寫字詞,或與原文相似度低於 0.80 的修正;系統亦可產生 HTML 報告,列出原文、接受的編輯和拒絕的建議。模型只接收 OCR 文字,無法查看原始頁面圖像;推理依賴託管 API。
Berke Akdemir 建立並開源 GraphFlow,一個可在瀏覽器運行的分散式系統設計模擬器,讓架構圖呈現流量、延遲和故障傳播。每個節點設有基礎延遲、最大 RPS 容量及錯誤率;利用率超過 75% 時,排隊會推高 p95/p99 尾延遲,啟用斷路器的節點在連續 5 次 5xx 後會開啟 6 秒。
開源專案 seemore 可透過桌面程式或一條命令,將 Markdown 資料夾轉成帶有導覽和搜尋的網站。它支援即時預覽、全文搜尋及多種 Markdown 擴充,亦可建置成網站檔案並部署到網頁主機。預覽、建置和匯出均在本機執行,無需帳戶或遙測。
Hinotori Guild 推出開源通訊標準 TOAI-elegant-lang(Project Telepath v5.3),讓 AI 智能體以精簡編碼交換訊息,並透過 Rosetta 架構提供可解讀的語義映射。在 2,090+ 條多智能體通訊紀錄中,標準達到 21.7x 壓縮、減少約 89.5% Token,並保持 100% 無損往返。