用户8729876

文章/答案/技术大牛

发布

LV2

发表了文章 1天前2026-08-23 08:14:39

DocClaw：让文档 Agent 记住自己刚刚读过哪里

💡 一句话总结：DocClaw 的贡献不是发明新 backbone，而是把文档任务差异放到技能层、把可复用知识放到状态层、把感知动作放到工具层；技能提升质量，状...

用户8729876 1天前2026-08-23 08:14:39

行业文档识别、agent、ocr

发表了文章 2天前2026-08-21 18:07:38

OmniHandwritingOCR：别让多模态大模型把手写公式读成幻觉

💡 一句话总结：OmniHandwritingOCR 用 77,572 个图像-标签对、6 个子任务和 12 个子集把手写 OCR 从“总分游戏”变成失败模式诊...

用户8729876 2天前2026-08-21 18:07:38

ocr、行业文档识别

发表了文章 3天前2026-08-20 17:13:01

DocMemo：让长文档 RAG 学会带记忆地翻页

💡 一句话总结：DocMemo 把长文档检索从“先选一批页再硬答”改成“读、记、更新置信度、再找”的循环；如果你做的是 RAG、文档 Agent 或多模态文档理...

用户8729876 3天前2026-08-20 17:13:01

行业文档识别、智能检索、文档服务

发表了文章 5天前2026-08-19 14:01:06

83.85% vs 17.91%：FormStruct-Bench 揭开表单解析的错觉

💡 一句话总结：FormStruct-Bench 把表单解析从“字段抽取对了几个”推进到“结构到底坏在哪一层”；它测出最强内容分数可达 83.85%，但最佳主结...

用户8729876 5天前2026-08-19 14:01:06

LLM、行业文档识别、多模态智能数据湖 TCLake

发表了文章 6天前2026-08-18 15:48:47

DEC：别急着重训，先让表格解析器再检查一遍

💡 一句话总结：这篇论文把“公开基准高分但真实复杂表格仍翻车”的问题拆开诊断，再用 DEC 在不重训解析器的前提下做拆表、增强、修正和回滚；它不是万能 OCR ...

用户8729876 6天前2026-08-18 15:48:47

人工智能、行业文档识别

发表了文章 8天前2026-08-16 16:05:55

1.2B 小模型赢过 235B 大模型：NaviDC-OCR 把文档解析卷明白了

💡 一句话总结：NaviDC-OCR 证明了在文档解析这条赛道上，"针对性的数据工程 + 训练配方"比堆参数量管用——1.2B 模型四大基准全第一，还顺手赢了一...

用户8729876 8天前2026-08-16 16:05:54

agent、ocr、行业文档识别

发表了文章 9天前2026-08-14 18:10:11

AutoDesign：让 Agent 自己改自己的 harness，40 分钟把论文变成会议海报

💡 一句话总结：AutoDesign 把「围绕模型的那套系统」（prompt、工具、流程）变成可被 Agent 自动优化的对象——外层循环改系统、内层循环出作品...

用户8729876 9天前2026-08-14 18:10:11

AIGC、LLM、agent、设计

发表了文章 9天前2026-08-14 17:45:50

视频生成得很真，机器人却抓了个寂寞：DreamX-Phi 的几何药方

💡 一句话总结：DreamX-Phi 1.0 用"把每条手臂的 3D 运动轨迹直接钉进注意力机制"的几何化方式，解决视频世界模型"画面很真、动作不听"的老毛病，...

用户8729876 9天前2026-08-14 17:45:50

世界机器人大赛、机器人视觉、机器人

订阅了专栏 9天前2026-08-14 17:42:14

VLA

具身智能

1 文章1 订阅数

加入了专栏 9天前2026-08-14 17:42:14

VLA

具身智能

1 文章1 订阅数

创建了专栏 9天前2026-08-14 17:42:14

VLA

具身智能

1 文章1 订阅数

发表了文章 11天前2026-08-13 10:34:21

DeepSeek V4-Pro 转正：号称追平 Claude Fable 5，但跑分只有一家在说

💡 一句话总结：DeepSeek V4-Pro 旗舰模型今天正式 GA，Agent 能力据报暴涨（DeepSWE 从 12.8 飙到 62.7），价格比 Cla...

用户8729876 11天前2026-08-13 10:34:21

agent、Vibe Coding 平台构建、LLM、DeepSeek

发表了文章 11天前2026-08-13 10:34:04

Grok 4.6：追平 GPT-5.6 Sol 的半价旗舰，但别只看跑分

💡 一句话总结：Grok 4.6 在智能指数上追平了 GPT-5.6 Sol（都 61 分），token 价格只有一半——但真正让人意外的是它的回合效率（完成 ...

用户8729876 11天前2026-08-13 10:34:04

LLM、Vibe Coding 平台构建、AIGC、agent

发表了文章 11天前2026-08-12 17:58:55

Muse Glimmer 30B：Meta 难得给的真开源，强在哪、虚在哪

💡 一句话总结：Meta 用 Apache 2.0 放了一个 30B、单卡能跑、冲着本地 agent 去的模型——官方跑分漂亮、生态一天内就跟上，但蒸馏来源不透...

用户8729876 11天前2026-08-12 17:58:55

模型、算法、人工智能

发表了文章 12天前2026-08-12 13:58:31

给YOLO检测器插 LoRA，'插对地方'比'插什么'更要命

大语言模型基本上是一摞结构几乎相同的 Transformer 层——每一层都是注意力 + MLP，参数化的方式高度一致。所以你在任意一层插 LoRA，行为都是可...

用户8729876 12天前2026-08-12 13:58:31

计算机视觉、算法、yolo

订阅了专栏 12天前2026-08-12 13:57:51

CV

计算机视觉

1 文章1 订阅数

加入了专栏 12天前2026-08-12 13:57:51

CV

计算机视觉

1 文章1 订阅数

创建了专栏 12天前2026-08-12 13:57:51

CV

计算机视觉

1 文章1 订阅数

发表了文章 12天前2026-08-12 11:31:35

延迟只多 0.8 毫秒，检索质量涨 2.92%：抖音 DME 怎么让多模态检索又快又准

💡 一句话总结：抖音搜索团队提出 DME，用"隐式 latent reasoning + 跨条件重建"两个训练期机制，让多模态嵌入在不增加推理延迟的前提下既快又...

用户8729876 12天前2026-08-12 11:31:35

大模型部署、人工智能、AIGC、算法

发表了文章 14天前2026-08-10 16:48:44

18 毫秒看穿前路：FlowPilot 让无人机在密林里自主飞到 5.5 m/s

💡 一句话总结：FlowPilot 把"预测未来看到的画面"和"生成飞行轨迹"塞进同一个生成式模型，让两条流互相参考——部署时只取轨迹、不解码画面。配合一个数学...

用户8729876 14天前2026-08-10 16:48:44

开发者实验室、强化学习、算法

12 3 下一页

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2021-06-15

个人成就

获得 19 次赞同
文章被阅读 4.5K 次

关注了：0关注者：12

用户8729876

DocClaw：让文档 Agent 记住自己刚刚读过哪里

OmniHandwritingOCR：别让多模态大模型把手写公式读成幻觉

DocMemo：让长文档 RAG 学会带记忆地翻页

83.85% vs 17.91%：FormStruct-Bench 揭开表单解析的错觉

DEC：别急着重训，先让表格解析器再检查一遍

1.2B 小模型赢过 235B 大模型：NaviDC-OCR 把文档解析卷明白了

AutoDesign：让 Agent 自己改自己的 harness，40 分钟把论文变成会议海报

视频生成得很真，机器人却抓了个寂寞：DreamX-Phi 的几何药方

VLA

VLA

VLA

DeepSeek V4-Pro 转正：号称追平 Claude Fable 5，但跑分只有一家在说

Grok 4.6：追平 GPT-5.6 Sol 的半价旗舰，但别只看跑分

Muse Glimmer 30B：Meta 难得给的真开源，强在哪、虚在哪

给YOLO检测器插 LoRA，'插对地方'比'插什么'更要命

CV

CV

CV

延迟只多 0.8 毫秒，检索质量涨 2.92%：抖音 DME 怎么让多模态检索又快又准

18 毫秒看穿前路：FlowPilot 让无人机在密林里自主飞到 5.5 m/s

个人简介

个人成就

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐