VRAG-RL：阿里开源多模态RAG推理框架，视觉信息理解与生成的“新引擎”！
阿里巴巴通义大模型团队推出VRAG-RL多模态RAG推理框架，通过视觉感知驱动和强化学习优化提升VLMs处理视觉丰富信息的能力。支持多轮交互、动态调整策略等，应用场景包括智能文档问答、视觉信息检索、多模态内容生成等。
开源
又一个强大的 MCP 服务器Vibetest Use，一键启动多个 Agent 对网站全面自动化测试！
一个用于测试vibe-coded编码网站的技术工具，支持通过MCP服务器启动多个Browser-Use代理进行全面检测。文章详细介绍了快速开始和基本命令使用方法。
高效推理搜索LLM代理系统：SearchAgent-X，AI助手参与会议，赋能实时互动
高效推理搜索LLM代理系统SearchAgent-X、AI助手参与会议的joinly.ai、轻量级vLLM实现方案Nano-vLLM、基于FastAPI的语音克隆TTS服务Chatterbox TTS API、文档问答及管理代理Vertex AI RAG Agent with ADK，涵盖多种应用场景。
MultiEngineSearch (mse)：用命令行就能搜索各种搜索引擎
一个小工具MultiEngineSearch (mse) 支持DuckDuckGo搜索，并可输出JSON、表格或简单格式的结果，支持命令行操作，未来计划增加Google和Bing等引擎及缓存、历史记录功能。
如何“用图思考”？小红书与西安交大的多模态深度思考模型DeepEyes
DeepEyes项目通过强化学习实现’用图思考’能力，在视觉搜索、幻觉缓解和多模态推理等方面表现出色，有望应用于教育、医疗、交通等领域。
一周1.2k星！兼具质量与效率的OCR模型MonkeyOCR，支持多样化的中英文PDF
MonkeyOCR采用结构-识别-关系（SRR）范式提升文档解析性能，相比MinerU和端到端模型，在九种文档上的表现均有提升。它支持快速开始安装、推理等步骤，并提供了多种示例文档展示效果。