视觉多模态RAG技术总结及Vision-R1用于目标检测任务的奖励函数设计
2025年3月26日，北京天气阴。文章讨论了多模态RAG技术在视觉领域和目标检测中的应用，并介绍了GPT-4发布的新功能及OpenAI承认的技术风险。同时，文章还提到了Vision-R1方案及其强化学习奖励函数设计。
大模型
大语言模型
关于智能体Agent的实现技术之思维链和函数调用(function call)的思考
智能体、思维链和函数调用是实现人工智能的一个重要方向。本文深入解释了这三个概念的区别与联系，并讨论了它们在大模型中的应用和挑战。
国产AI王炸！新版DeepSeek-V3惊艳亮相，数学94%碾压Claude，剑指GPT-4.5！
DeepSeek-V3-0324 新模型发布，参数量6850亿。相比前代，在基准测试中表现卓越，尤其在推理能力、编程能力和中文写作方面有显著提升，并且修复了一些问题。
世界首个！性能超扩散模型256%，推理快21.8倍，Uni-3DAR用自回归统一微观与宏观的3D世界
e、具身智能三大 AI 热门领域共同关注的焦点。而随着 AI 技术的发展，大型语言模型（LLM）与大
也看基于版式分析的PDF文档翻译项目及文档版式分析模型PP-DocLayout
今天是2025年3月25日，星期二。文章介绍了两个文档相关的项目，一个是基于版式分析的PDF文档翻译项目Fast_pdf_trans和PDFMathTranslate，另一个是文档版式分析模型PP-DocLayout。PP-DocLayout能够检测多种类型的文档，并且其三种不同比例的模型在处理复杂布局方面表现良好。而PDFMathTranslate则使用Pdfminer.six等库解析PDF文档，保留了排版信息进行翻译。