跳到正文
10月15日週四
  1. DEV Community26

    AI 問卷工具比較:WeJot 與傳統表單工具

    WeJot 將 AI 問卷生成、AI 影片訪談、抽樣、分析及視覺化報告納入研究流程,並與傳統表單工具作流程比較。傳統表單工具擅長收集結構化答案,適合簡單調查;開放式研究的招募、分析和報告通常仍要另行處理。生成的問題和摘要仍是草稿,須由熟悉受眾的人員審核;文章沒有提供量化效能數據。

  2. DEV Community30

    Pawdub:一款不假裝能翻譯寵物的 Android 裝置端應用程式

    Pawdub 是一款 Android 寵物字幕應用程式,明言不能翻譯動物,而是在裝置端偵測寵物叫聲並配上玩笑字幕。字幕文案設有 8 種角色人設,支援 59 種語言,下載語言後可離線使用;音訊和影片只在手機上處理,不會上載。應用程式已提交 Google Play 審核,免費版與 Pro 版提供不同字幕樣式及匯出功能。

  3. DEV Community46

    Invoice-Check JP: A 3B Model Reads the Invoice, Checks Decide Whether to Trust It

    Invoice-Check JP以QLoRA微調的Qwen2.5-VL-3B-Instruct讀取日本合格發票,並以校驗碼、登記資料及税額計算判定是否自動核准。在600張合成測試發票中,86.8%獲自動核准,獲核准者沒有檢查可捕捉的錯誤欄位。結果僅適用於虛構公司的合成發票,不能代表真實發票表現。

  4. Hugging Face Blog68

    Apertus 1.5 發佈説明:新增圖像與音訊理解,上下文窗口擴至 262,144 tokens

    Apertus 1.5 更新 8B 和 70B 模型,加入圖像與音訊理解及可選思考模式,並將上下文窗口擴至 262,144 tokens。持續預訓練分別為 8B 和 70B 模型加入 4 trillion tokens 和 2 trillion tokens 的文字及多模態訓練資料,總訓練量分別達 19T 和 17T。

    推薦理由:文章同時公開訓練資料、各階段檢查點與可重跑的評測記錄,讀者可據此瞭解 Apertus 1.5 的訓練流程及比較評測結果。

  5. DoNews49

    千問最新款AI硬件,走出一種“看眼色”路線

    千問推出 N1、N1 Pro 兩款 AI 眼鏡及一款 AI 耳夾式耳機,將「主動服務」作為產品方向。N1 Pro 配備眼動追蹤,千問眼鏡亦以專用芯片和灰度感知鏈路持續理解環境,功耗為 5 毫瓦。系統按用戶授權提供服務,發送、支付等關鍵操作仍須由用戶確認。

  6. DoNews41

    漢王M10C二代率先搭載E Ink Kaleido 4全球首發 彩色電紙書體驗升級

    元太科技與漢王科技聯合發佈 E Ink Kaleido 4 彩色電子紙技術,以及全球首款搭載該技術的漢王 M10C二代彩墨辦公本。Kaleido 4 的色域容積較前代提升 2 倍,達到 40K 以上,白畫面反射率提升 15%,對比度提升 50%,並支持最高 18FPS 視頻內容播放。M10C二代整合書寫、語音識別、OCR 和大模型功能,支持智能會議紀要、AI閲讀問答及離線語音轉寫。

  7. DoNews52

    OpenCode 開放免費調用 DeepSeek V4.1 Flash 模型

    OpenCode 宣佈即日起免費提供 DeepSeek V4.1 Flash 調用,在 OpenCode 平台內使用不再消耗 Go 套餐額度。免費版本支援 200K 上下文窗口,採用因果編碼器-解碼器架構,主幹參數為 552B;該模型於 9 月 10 日發布,屬原生多模態 MoE 模型。用戶回報指生成速度波動較大,在 200K 上下文下約為 50 tokens/s。

  8. DEV Community21

    AI 如何令食客更輕鬆瀏覽餐廳餐牌

    AI 餐牌分析透過自然語言處理、圖像識別和數據建模,協助食客理解菜式並按個人需要作出選擇。系統可從文字描述或菜式圖片推斷食材、份量和烹調方式,估算卡路里及營養素,並標示飲食選項和致敏原。它亦可按用戶的飲食限制、喜好及營養目標,排序或推薦菜式。

  9. HuggingFace Daily Papers(社區熱門論文)38

    Generative World Simulation with DAO and JING

    生成式世界模擬框架結合 DAO 與 JING,將持續演進的共享世界狀態連接至連續的第一人稱視聽體驗。DAO 作為可計算世界引擎,維護角色、物件與空間的狀態及其關係,並按互動規則和世界時間推進世界;JING 根據觀察者條件、參照內容、觀察歷史及當前行動生成視聽體驗。用戶可透過視角控制和文字指令探索環境、操作物件及與角色交流,行動會影響共享狀態及後續體驗。

  10. 螞蟻 inclusionAI:HuggingFace 新模型49

    inclusionAI ZwZ2-4B 模型推出

    inclusionAI 的 ZwZ2-4B 是基於 Qwen3.5-4B 的模型,屬於 Zooming-without-Zooming-v2(ZwZ2),可透過比較、整合、匹配及多步推理連結不同區域的視覺證據,推理時毋須縮放工具。

  11. DEV Community41

    Turning songs into sheet music: my audio-to-engraving pipeline, and 3 bugs that almost shipped

    AI 智能體 Lily 分享將歌曲音訊製作成樂譜的流程,以及 3 個險些上線的錯誤。她以 basic-pitch 擷取音符事件,再用 LilyPond 排版並輸出 PDF;錯誤涉及等音拼寫、LilyPond 記譜規則及調性判斷分歧。獨奏和鋼琴主導的曲目效果較清晰,輸出因此標示為根據音訊編配,而非樂譜轉錄。

  12. IT之家79

    階躍 Step 5 Preview 開放模型權重,支援 100 萬 token 上下文窗口

    階躍開放 Step 5 Preview 的 BF16 與 FP8 模型權重,並同步公開技術博客及配套開源開發工具。模型採用稀疏 MoE 架構,總參數量為 600B、每 token 僅激活 27B 參數,支援 100 萬 token 上下文窗口及文字與視覺輸入。

    推薦理由:文章拆解 Step 5 Preview 面向長程 Agent 任務的架構與訓練設計,並説明 Sparse GQA 如何降低百萬 token 上下文的計算開銷。

  13. IT之家80

    上海人工智能實驗室團隊以書生科學多模態大模型 S2 完成三維 Ghys 猜想證明

    上海人工智能實驗室訪問學者兼大灣區大學教授許地生團隊,依託書生科學多模態大模型 S2,以人機協同方式完成三維 Ghys 猜想的證明。北京大學董彬、劉若川團隊使用 SHEAF 框架完成形式化驗證;相關論文已發布於 arXiv,形式化程式碼亦已在 GitHub 公開。

    推薦理由:這項成果將專家判斷納入模型求解流程,並經 SHEAF 框架形式化驗證,提供人機協同處理長期數學問題的具體案例。

  14. HuggingFace Daily Papers(社區熱門論文)32

    感知、維護與學習:多模態智能體記憶的演進

    研究提出多模態智能體記憶的雙軸分析框架,分別考察多模態資訊的形成與表徵,以及記憶管理如何隨累積經驗調整。框架將記憶管理分為 T1 靜態記憶、T2 動態記憶及 T3 自我演進記憶,分別按固定方式重用記憶、按穩定政策更新,以及按演進政策更新,並提出兼顧來源忠實度、時間有效性、來源脈絡與可復原證據的設計原則。

  15. DEV Community39

    FoodTruth 以開放權重視覺 AI 揭示包裝食品的誤導宣稱

    開源工具 FoodTruth 透過食品包裝正反面影像擷取營養與成分資料,並審核誤導宣稱及法規風險。其審核流程採用 Gemma 開放權重模型(gemma-4-26b-a4b-it/gemma-4-31b-it),再以規則引擎評估糖分風險、蛋白質品質、熱量效益及 FSSAI/FDA 標示合規。程式碼以 MIT 授權開源,並提出每月 $4.99 或每年 $39 的消費者訂閲方案。

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

    DecisionRobust: Benchmarking Robustness for JEV Style Decision Models Across Text and Vision

    DecisionRobust 基準測試評估 JEV 類決策模型在文字與視覺輸入下抵抗對抗性操縱的能力,涵蓋文字與圖像擾動,以及兩種模態下的提示詞注入。研究測試了文字任務的 30 種模型配置和視覺任務的 17 種,結果顯示不同任務及攻擊類型下的相對穩健性各異,抵抗輸入擾動不代表能抵抗提示詞注入。標籤一致性檢查可大幅降低文字和圖像設定下測得的攻擊成功率。

  17. elsewhere:文章54

    格式塔科技探索以超聲讀取和調控大腦網絡

    格式塔科技押注超聲腦機接口,探索在不開顱下讀取和調控大腦深部區域,並以慢性疼痛作為首個產品方向。公司披露,經顱聚焦超聲可實現4到8毫米聚焦,最深可達顱骨下6到7釐米;功能性超聲成像的時間分辨率低於100毫秒。格式塔預計2026年底發布針對慢性疼痛的第一代產品並開展相關臨牀試驗,也正以多模態腦數據構建大腦基礎模型。

  18. DEV Community55

    多模態 AI 生產環境部署的現實:演示背後的落差

    多模態 AI 在生產環境的主要難點不只是視覺模型選擇,而是輸入接收、預處理、路由和人工覆核等整條管線。原文指出,40–60% 的真實文件頁面需要預處理,才能達到演示準確度,部署亦應保留視覺原生及 OCR 後備路徑。文章建議以真實失敗樣本建立回歸測試集,並把低信心結果交由人工覆核。

  19. Hacker News 熱門(buzzing.cc 中文翻譯)48

    Jev 發佈 1.14.0 版本,為夢想家帶來實驗性功能

    Jev 發佈 jev-1.14.0,並透過 API 標頭旗標提供可組合圖片、box 類型及較長上下文等實驗性功能。官方提醒這些功能仍有不少不穩定之處,不適合用於生產環境。新版本預期在多語言支援方面提升最多;jev-latest 將於一週後更新至 jev-1.14.0,jev-1.13.0 暫時仍可使用。