跳到正文
10月9日週五
10月8日週四
10月7日週三
  1. Hacker News:AI 熱帖43

    OpenTPU – An open-source AI accelerator, developed by AI

    OpenTPU 是一款由 AI 開發的開源 AI 加速器,相關討論聚焦把模型固化到晶片的可行性。模型迭代速度、定製晶片的設計與量產週期、成本及 FPGA 容量限制,都可能令晶片推出時落後於新模型;留言亦認為專用晶片較適合「夠用」或高度專門化的應用。

10月6日週二
10月5日週一
  1. 小眾軟件45

    簡潔優雅的開源截圖軟件 Snow Shot(社區驅動)

    Snow Shot 是由社區共同開發的免費開源截圖軟件,透過插件系統擴展功能並保持應用簡潔。功能包括智能框選、一鍵全螢幕截圖、滾動截圖、OCR 提取圖片文字、AI 翻譯及圖片翻譯,亦可將圖片轉為 HTML 或 Markdown。用戶可自訂插件和外觀配色;前端應用及後端服務的原始碼均可在 GitHub 找到。

9月29日週二
  1. 上海人工智能實驗室 InternLM:原創項目42

    InstantFusion 以共享潛在空間組合擴散模型

    InstantFusion 將不同擴散模型的潛在表示映射至共享潛在空間,讓去噪軌跡得以對齊和組合。其 LAE 支援在去噪途中切換模型,應用包括不同步數預算間的加速、組合不同偏好的模型,以及跨模型 OPD。專案提供 LAE、OPD 訓練及基於 LAE 的模型交接推理;已訓練檢查點可在 Hugging Face 取得。

  2. 上海人工智能實驗室 InternLM:原創項目45

    InternLM/ResOPD

    ResOPD 提出一種稀疏 on-policy 知識蒸餾方法,利用教師模型的 Top-k 機率精確計算粗略梯度,並只對尾部殘差取樣,無需額外教師前向傳播。論文報告,在數學推理任務中,Qwen3.5-27B 蒸餾至 Qwen3.5-4B 的平均分為 50.12%,高於 HETS 的 45.72%。程式庫提供核心實作及與 verl 的整合。

9月26日週六
9月6日週日
  1. OpenMOSS / 復旦NLP / 上海創智 / MOSI37

    MOSS-TTS-Nano 示範網站與模型樣本

    MOSS-TTS-Nano 示範網站展示一款 100M 參數的多語言語音生成模型及樣本,模型支援 CPU 推理和聲音複製。網站提供模型下載及本機執行方式;ONNX CPU 部署、聲音複製和微調的資訊則見 MOSS-TTS-Nano README。

8月12日週三
8月6日週四
7月27日週一
7月25日週六
6月17日週三
6月16日週二
  1. OpenMOSS / 復旦NLP / 上海創智 / MOSI49

    OpenMOSS/MOSS-Audio-Tokenizer

    MOSS-Audio-Tokenizer 是基於 Cat 架構的統一離散音訊 tokenizer,具備 1.6 billion 參數,可將 24kHz 原始音訊壓縮至 12.5Hz 幀率,並支援 0.125kbps 至 4kbps 的重建。模型以 3 million hours 多元音訊資料訓練,兼顧高保真重建與語義對齊,適用於語音理解及生成等下游任務。ીએમ

5月29日週五
  1. Spirit AI 千尋智能:原創開源項目48

    Spirit-AI-Team/spirit-v1.5

    Spirit-v1.5 開源專案提供 VLA 模型的官方實作,以及重現 RoboChallenge 評測結果所需的 runtime wrapper;模型採用 Qwen3-VL backbone 與 DiT head。

  2. 美團 LongCat:HuggingFace 新模型39

    美團 LongCat 整合 WBench 評測模型權重

    美團 LongCat 的 meituan-longcat/WBench-weights 儲存庫整合 WBench 評測模型權重,供互動影片世界模型評估使用。WBench 從影片質素、設定遵循、互動遵循、一致性及物理規則符合度五個維度評估,涵蓋 289 個測試案例及 1,058 個互動回合。這些權重僅供學術研究及評估用途。

5月18日週一
  1. gihyo.jp49

    Vercel 公開為 AI 智能體而設的程式語言 Zero

    Vercel Labs 公開以 Apache 2.0 授權的系統程式語言 Zero,專為 AI 智能體編程而設。編譯器會以 JSON 輸出結構化資訊及程式碼修復所需的中繼資料,檔案和網絡存取等外部互動則明確列於函數簽名中。Zero 仍處於實驗階段,開發持續進行,運作尚未穩定。

5月11日週一
4月30日週四
  1. gihyo.jp44

    Microsoft 公開 DOS 1.0 原始碼及開發相關資料

    Microsoft 在 GitHub 公開早期 DOS 開發資料,包括 86-DOS 1.00 與 PC-DOS 1.00 的核心程式碼。資料源自 Tim Paterson 提供的紙本原始碼清單,由歷史學者及保存工作者組成的團隊 OCR 掃描及轉錄;掃描清單及轉錄程式碼以 MIT 授權發布。部分清單保留當時的工作狀態和手寫註記,可呈現功能實作、錯誤及修正的時間線。

4月22日週三
4月8日週三
4月3日週五
  1. 通義 QwenAudio:原創語音項目45

    ThinkSound:以思維鏈推理生成及編輯多模態音訊

    ThinkSound 是一個由思維鏈(CoT)推理引導流匹配的統一 Any2Audio 音訊生成框架,支援以影片、文字及音訊生成或編輯音訊。它透過多模態大語言模型推理,分階段生成 Foley 音景、按指定物件修整聲音,並按自然語言指令編輯音訊。程式碼、模型及數據集僅供研究及教育用途,禁止商業使用。

3月25日週三
  1. 通義 QwenAudio:原創語音項目47

    QwenAudio/FunCineForge

    Fun-CineForge 開源面向多元電影場景的零樣本配音數據集流程及模型,並以此建立大型中文電視配音數據集 CineDub-CN,收錄豐富標註及多元場景。模型在獨白、旁白、對話及多説話者場景中,於音質、唇形同步、音色轉換和指令遵循方面持續優於現有先進方法。reW

3月16日週一
  1. OpenMOSS / 復旦NLP / 上海創智 / MOSI48

    OpenMOSS/TTSD-eval:多説話人對話生成的客觀評測流程

    OpenMOSS/TTSD-eval 提供多説話人對話生成的客觀評測流程,以説話人歸屬準確率(ACC)和説話人相似度(SIM)為核心指標。WER 作為評估可理解度的補充指標,數值愈低愈好;測試集設有中文和英文子集,每種語言各含 50 段對話樣本。流程使用 MMS-FA 對齊輸入文字與生成音訊,並以輸入稿的説話人標籤核對預測結果。

2月24日週二
2月13日週五
2025年11月27日週四
2025年11月19日週三
  1. LMSYS Blog48

    Miles 發佈:面向大規模 MoE 訓練的強化學習框架

    Miles 作為面向大規模 MoE 訓練及生產工作負載的企業級強化學習框架正式推出,並建基於 slime。框架透過基礎設施方案支援真正的 on-policy 訓練,消除訓練與推理不匹配,將 KL divergence 降至 0。RL 訓練期間對 draft model 進行線上 SFT,與凍結的 MTP 相比,rollout 速度提升 25% 以上。

2025年10月6日週一