跳到正文
10月22日週四
  1. CNET46

    Mori:蘑菇造型的 AI 燈具伴侶,令我一見傾心

    Oka 公佈蘑菇造型 AI 伴侶 Mori,裝置會以鏡頭和感應器感知周遭並作出互動回應,也可收起鏡頭成為彩燈。Oka 表示,影像和音訊會在裝置上處理後丟棄;用於辨認熟悉面孔的資料不會上傳。Mori 售價由 founder edition 的 $649 至標準版的 $849,並附送兩年訂閲。

  2. DoNews30

    微光科技完成近億元人民幣 A 輪融資

    無錫微光科技宣佈完成近億元人民幣 A 輪融資,由無錫市梁溪科技城創新投資有限公司領投,洪泰基金等跟投。公司專注 AI 垂域智能體與 AR 融合技術,主推面向文檔閲讀及讀書人羣的智能 AR 眼鏡。融資將用於核心技術研發、量產落地及團隊擴充。

  3. 新浪科技43

    網易雲音樂 CloudEar 音樂模型奪得 MIREX 冠軍

    網易雲音樂智慧耳音樂評價模型 CloudEar 在 MIREX2026 音樂評價賽道以 73.9% 準確率奪冠,創下該賽道世界最高紀錄。其準確率較官方基線 CMI-RM Baseline 高 8 個百分點,亦高於 SongEval 的 72.7%。CloudEar 已在網易雲音樂產品中應用,支援 AI 音樂質量把控、內容分發及後續生成模型優化。

  4. HuggingFace Daily Papers(社區熱門論文)33

    RealMe:以有限拍攝素材生成沉浸式體積影片

    RealMe 以影片擴散模型將稀疏、低解像度的多視角拍攝素材提升為高解像度(2K)、具 4D 一致性的體積影片。框架採用配合拍攝佈局的注意力機制,並以潛在空間的頻率損失提供監督。在 DNA-Rendering benchmark 和 RealVV 數據集上的實驗顯示,RealMe 在視覺保真度和 4D 一致性方面優於現有最先進方法。

  5. Dify Blog61

    Dify 知識庫自 v1.11.0 起支援多模態檢索

    Dify 知識庫自 v1.11.0 起支援多模態檢索,可在 Workflow 應用中共同理解、檢索和使用文字與圖片。系統將圖片和文字放入統一語義空間,支援 Image-to-Text、Text-to-Image 和 Image-to-Image 檢索,並可從 Markdown 連結提取 JPG、PNG、GIF 圖片,大小上限為 2MB。

  6. Hark 官方動態68

    Hark 宣佈 A 輪融資募得逾 $700 million,投後估值 $6 billion

    Hark 宣佈完成逾 $700 million 的 A 輪融資,投後估值為 $6 billion。融資由 Parkway Venture Capital 領投;Hark 團隊已增至約 70 人,並將在新的 NVIDIA B200 數據中心訓練下一代模型。Hark 表示,AI 平台將於今夏推出,模型具備智能體及多模態能力;下一代硬件則將從設計之初以 AI 原生為目標,並整合 Hark 的基礎模型。

  7. 新浪科技48

    比亞迪汽車行業首個 AI 超級智能體「迪迪蝦」上車

    比亞迪發布汽車行業首個 AI 超級智能體「迪迪蝦」,並陸續向旗下多款車型推送。迪迪蝦基於璇璣架構 2.0,透過端雲協同及多模態感知、工具、技能、記憶四大系統,支援多場景辦事與自然深度對話。目前已向騰勢 Z9GT 閃充版、第二代騰勢 D9、騰勢 N8L 閃充版、騰勢 N9 閃充版、大唐等車型 OTA 推送,其他車型將陸續升級。

  8. HuggingFace Daily Papers(社區熱門論文)43

    ALPS:世界模型的視覺狀態編碼器

    ALPS 是預訓練視覺狀態編碼器,整合物理狀態預測、語言對齊與像素重建,作為世界模型的共用基礎。以靜態圖像和文字從頭預訓練的 ViT-B/16,在 15 個公開編碼器的統一評測中取得最低 LIBERO 狀態探測誤差,媲美規模大 3.5x 的 V-JEPA 2-L。

  9. DEV Community58

    EU AI Act 第 50(4) 條如何界定深偽:市場團隊案例指南

    指南依據《EU AI Act》第 50(4) 條,將深偽界定為 AI 生成或操控、近似現存人物、物件、地點、實體或事件,並會令人誤以為真實的圖像、音訊或影片。指南以 AI 虛擬代言人、複製真人聲線、合成產品或店面照片等作例,並指出 AI 撰寫的廣告文字不屬深偽。發布相關內容的部署者須最遲在首次曝光時清晰披露;指南聲明內容僅屬一般資訊,未經律師審閲,並非法律意見。

  10. 新浪科技29

    科大訊飛 1024 開發者節北京科博展即將啟幕,展示全國產 AI 應用

    科大訊飛全球 1024 開發者節北京科博展將於 10 月 22 日在北京國家會議中心二期一層迎賓廳舉行,展示全棧自主可控的大模型技術、AI 應用及軟硬一體的人機交互成果。展覽包括基於全國產算力完成訓練升級的訊飛星火大模型 X2.6,以及教育、醫療、汽車、政企辦公和具身智能等領域的應用。活動當日 9:00—19:00 面向客戶及大會相關嘉賓開放參觀。

  11. DEV Community39

    Gemma 4 夜間檢查 Pix 收據:12 張收據的判定全對,即使部分內容讀錯

    sloth-receipts 使用 Gemma 4 在本地讀取 Pix 收據,再由 Python 規則判定;測試中的 12 張虛構收據,最終判定全部正確。模型平均每張需時 52 s,部分交易編號和 Pix key 讀取有誤,因此係統以容錯比對識別可疑項目,不用它確認付款。收據只供分類,付款仍須以銀行月結單或 PSP webhook 確認。

  12. DEV Community48

    我花數星期調校 OCR 流程,視覺模型九秒內勝出

    作者花數星期調校本地 OCR 流程,但視覺模型在相同照片上只用九秒便勝過該流程。閲讀教練以孩子拍攝的手寫頁面為輸入,遇上無法有信心辨認的字詞便要求重拍,不會評分。測試共進行 22 次,周轉時間中位數為 169 秒,索引了 3 本書及 20,726 個字,並生成 566 道涵蓋九個科目的題目。

  13. HuggingFace Daily Papers(社區熱門論文)42

    Dual Exam:多模態智能體與世界模型的受控評測

    Dual Exam 分別評測多模態智能體與世界模型在不同領域的表現,並揭示兩者在試點測試中未能共同成功。智能體評測涵蓋 1,088 個項目及 15 個報告類別,GPT 6 Astra 的加權分數為 31.3;世界模型評測涵蓋 400 個案例及八種情境,GPT-Image-2 的整體分數為 21.7。兩組分數採用不同任務和指標,不能直接比較;150 個案例的配對試點中沒有任務成功。

  14. HuggingFace Daily Papers(社區熱門論文)42

    CellTrack-Bench:評測視覺語言模型的顯微細胞追蹤基準

    CellTrack-Bench 評測視覺語言模型的細胞追蹤能力,並與專用追蹤算法比較,揭示模型在不同成像模態下的推理差距。基準涵蓋四種成像模態、15 個細胞追蹤數據集,共有 1,537 個問題及 9,041 項細胞連結決策。研究評測了 9 個閉源前沿模型和 13 個開放權重模型,並分析其失效模式。

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

    DirCast:以單一串流影片語言模型實時導播及解説電競賽事

    DirCast 是單一串流影片語言模型,能根據過往畫面選擇鏡頭並生成即時解説,負責電競直播的導播與解説。研究團隊以 27 場職業 Dota 2 賽事建立數據集,DirCast 的導播表現優於規則式及零樣本導播,包括 GPT-5。在 Proact-VL 評測中,其解説有 29.2% 的比較勝過 GPT-4o;觀看人工導播直播的 11 個串流解説模型中,最佳者為 19.4%。

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

    FocusVLA:以未來意圖引導視覺語言動作模型動態切換視角

    FocusVLA 根據預測的互動意圖,在機械人操作不同階段動態切換全局與局部相機視角。在 RoboTwin 2.0 上,其平均成功率較最強基線 π_{0.5} 高 10.10 pp;真實環境評估中,成功率由 71.7% 提升至 85.0%。意圖預測與動態路由模組可整合至現有 VLA 框架,無須修改核心架構。

10月21日週三
  1. DEV Community39

    FlipCheck 用 Gemma 4 和 TabPFN 從相片估算二手物品價格並生成刊登內容

    FlipCheck 用 Gemma 4 識別物品,再以 SerpApi 搜尋最多 200 筆即時 eBay 刊登,交由 TabPFN 根據物品狀況估算快速出售、公平及耐心等候價格,並生成 eBay 標題、描述和商品資料。價格依據的是目前叫價,而非成交價;TabPFN 在 CPU 上處理 200 筆刊登需時 0.2 s。程式目前未部署,可在本機運行。

  2. DEV Community27

    LazyCart:以 Gemma 2 掃描食品儲藏室並自動加入購物車

    LazyCart 使用 Gemma 2 分析雪櫃或食品儲藏室的照片,整理食材並生成只需一個鍋或平底鑊的食譜,再找出所需食材。Browserbase 雲端瀏覽器 Agent 可搜尋網上超市並將商品加入購物車,Sentry Agent Tracing 則記錄及顯示模型推理和 Agent 操作。項目以 MIT License 開源,並支援本機推理備用方案。