开源

开源社区终于迎来PDF解析的”六边形战士”！百万页处理成本直降32倍！

作者

olmOCR 是由 Ai2 推出的新工具，通过 Qwen2-VL-7B-Instruct 进行训练，能高效准确地提取 PDF 文档中的纯文本，并以 Markdown 格式输出。它特别擅长处理复杂布局和手写内容，成本低且完全开源。

大模型处理PDF文档olmOCR，DeepSeek开源DeepGEMM高效的FP8矩阵乘法库，多模态推理R1-OneVision

作者

本文介绍了五个AI工具包和模型，包括olmOCR用于处理PDF文档、DeepGEMM优化FP8矩阵乘法、R1-OneVision多模态大语言模型、Baichuan-Audio语音交互模型以及MyCoder AI编程工具。

Migician：清华、北大、华科重磅出击！多图像定位大模型，安防与自动驾驶的“破局者”

作者

在人工智能飞速发展的背景下，清华大学联合实验室研发的Migician多模态视觉定位模型解决了复杂场景下的目标定位难题。该模型能结合文本描述和图像信息，在安防监控、自动驾驶、医疗影像分析及机器人具身智能等多个领域实现高效准确的目标定位，显著提升系统的感知与决策能力。