无需预对齐即可消除批次效应，东京大学团队开发深度学习框架STAIG，揭示肿瘤微环境中的详细基因信息
团队提出了一种名为 STAIG (基于图像辅助的图对比学习进行空间转录组学分析）的深度学习框架，能够
日期: 2025 年 4 月 3 日
超越 Manus？华人创业产品 Genspark 推出通用 Agent（附实测效果）
Genspark 推出了通用 Super Agent，并在GAIA Benchmark上超越了Manus。其功能包括旅游规划、短视频生成和视频转PPT等。不过价格不菲且交互设计有待改进。未来通用Agent市场将更加繁荣。
OpenAI 刚刚开源了 PaperBench，用于评估 Agent 复现顶尖论文能力！
PaperBench 是由 OpenAI 开发的一个基准测试，用于评估 AI Agent 复现尖端 AI 研究的能力，共包含 8,316 个任务，并通过评分标准进行自动化评估。
支持40种东方语言和22种汉语方言!清华大学开源自动语音识别模型Dolphin
Dolphin 是由 Dataocean AI 和清华大学合作开发的多语言语音识别模型，支持40种东方语言和22种汉语方言。它在210,000小时的数据上训练完成，包含专用数据集和开源数据集。该模型能执行语音识别、VAD、分割和LID任务。
2个百度T11推出超级智能体火爆硅谷！免费使用无需邀请码，靠AI搜索功底估值已破38亿
Genspark超级智能体发布，能够在无需编程的情况下执行复杂任务，包括制作做饭视频和创建HTML游戏。其背后公司MainFunc由前百度高管景鲲创立，展示了从AI搜索转向智能体的新方向。
“一脑多形”具身智能机器人企业「星海图」完成3亿元融资
星海图近期完成A2和A3轮融资，总融资额超3亿元人民币，由凯辉基金领投，IDG资本、高瓴创投等多家机构参投。公司专注于具身智能机器人研发，已完成多轮技术突破与硬件能力构建。
免费开源吉卜力风格图像生成，Anything-to-Audio生成音频AudioX，免费且强大的编码助手Serena
EasyControl_Ghibli是一款免费且易于使用的AI模型，生成吉卜力风格图像。AudioX是统一的扩散Transformer模型，支持多种模态输入和自然语言控制。Serena是一个免费代码助手集成LLM功能。uniOCR是通用Rust OCR引擎，提供本地及云服务。MCP Server for Milvus为LLM应用提供Milvus向量数据库访问桥梁。
视觉Token无缝对齐LLMs词表！V²Flow：基于LLMs实现高保真自回归图像生成
V²Flow团队发布的新开源框架V²Flow解决了视觉Token与大语言模型词表的不一致问题，实现了高保真自回归图像生成。该技术通过视觉词汇重采样器将视觉内容嵌入到LLM的词汇空间中，并使用掩码自回归流匹配解码器进行视觉重建，显著提高了压缩效率和生成质量。
10倍吞吐提升无损性能：多模态适用的KV cache量化策略来了，即插即用无需改原模型
CalibQuant团队在InternVL-2.5模型上提出了一种1比特量化方法，通过校准策略缓解了低比特数量化带来的失真问题。实验结果显示，在多种任务和内存限制下，该方法相比基线有显著的性能提升。
OpenAI官方基准测试：承认Claude遥遥领先（狗头）
OpenAI发布PaperBench新基准测试，最新版Claude-3.5-Sonnet在复现ICML2024论文任务中超越其他顶尖大模型。对比去年的MLE-Benchmark，PaperBench更侧重综合能力评估。