Morphik：开源多模态检索增强生成工具，助力AI应用开发
Morphik 是一款开源的多模态检索增强生成工具，专为处理高技术性和视觉内容丰富的文档而设计。它通过 ColPali 技术支持文本、PDF、图片等多种格式文件的搜索和处理，并结合知识图谱构建能力提升检索准确性和相关性。
小兵的AI视界
Pixel Reasoner：滑铁卢等高校联合打造的视觉语言模型，用好奇心驱动的强化学习解锁视觉推理新高度！
Pixel Reasoner 是一款基于像素空间推理增强的视觉语言模型，通过直接操作视觉输入提升对视觉细节的捕捉能力。它结合指令调优和好奇心驱动的强化学习，在多个视觉推理基准测试中表现出色。
Playwright MCP：微软打造的AI自动化利器，一键搞定浏览器操作
微软推出的Playwright MCP项目通过MCP协议实现了大模型与浏览器自动化交互。支持多种主流浏览器，并提供丰富的交互功能，如点击、拖动、输入文本等，广泛适用于自动化测试、网页自动化操作以及与大语言模型集成等多种场景。
Matrix-Game：昆仑万维开源的170亿参数交互式世界模型，一键生成逼真虚拟世界！
昆仑万维开源的Matrix-Game项目作为首个17B参数交互式世界基础模型，通过两阶段训练策略生成高保真、可控视频，涵盖虚拟游戏、影视制作及元宇宙领域。
对话即界面！微软NLWeb开源：任何网站都能‘一键变身’智能AI助手
微软推出NLWeb开源项目，结合自然语言处理和大型语言模型技术，让网站能够像AI助手一样与用户进行流畅对话。应用场景包括零售购物、餐饮服务等，开发者可根据需求快速部署使用。
SketchVideo：手残党福音！草图秒变大片，快手黑科技让创作效率飙升300%
本文介绍了一个基于草图和文本提示的创新项目SketchVideo，它通过高效的视频生成与编辑框架改变了传统视频制作方式。该项目结合了多种先进技术，实现了高质量、连贯的视频生成和精细编辑，适用于影视制作、教育、游戏开发等多领域。
「文档处理终结者」字节跳动Dolphin开源：从合同到试卷全搞定，多语言OCR+智能排版还原，B端企业刚需
发等场景，都需要高效、准确地从文档中提取和解析信息。然而，
传统的文档解析方法往往面临着诸多挑战，例