将PDF文档转换为Markdown的智能工具Vision Parse
使用最先进的视觉语言模型将 PDF 文档解析为格式精美的 Markdown 内容。支持多种 Vision LLM 模型，并提供本地模型托管功能。
Gemini
基于Gemini 多模态实时API 的7个AI Native 应用例子
Google推出的Gemini Stream Realtime让AI助手具备实时观察、互动和反馈的能力。该文章介绍了七大实用场景，包括研究助理模式、软件学习教练、即时翻译官等，展示了AI助手作为超级助理的潜力，改变了我们与AI互动的方式。
五道送命题，彻底暴露了国内外AI们的情商…
MLNLP社区介绍其愿景是促进国内外自然语言处理领域的交流合作。本文展示了社区成员对AI的测试结果，指出虽然AI在专业问题上表现优秀，但在情商和社会责任方面仍需改进。
速递｜谷歌正在使用Anthropic的Claude来改进其Gemini AI
谷歌正通过与竞争对手模型Claude进行比较来改进其AI产品Gemini。内部沟通显示承包商注意到Claude在安全性和响应质量方面优于Gemini，但谷歌否认使用Anthropic的Claude训练Gemini。
速递｜谷歌Gemini正在迫使承包商对超出其专业领域的AI响应进行评分
Google’s new guidelines for Gemini contractors require them to evaluate prompts regardless of their expertise, leading to concerns about the platform’s accuracy on certain topics.
实测谷歌Gemini 2.0：数数、推理翻车，多模态惊艳，编程输Claude
谷歌三位CEO联合宣布Gemini 2.0 Flash发布，性能超越Gemini 1.5 Pro，并在多模态能力上表现出色。但在经典题目的推理和编程能力测试中表现一般，实测结果引人思考。
新版Llama 3 70B反超405B！Meta开卷后训练，谷歌马斯克都来抢镜
OpenAI的Grok 3、Meta的Llama 3.3以及谷歌的新Gemini模型相继发布，引发热议。Llama 3.3表现出色，70B版本能实现405B的效果，并且成本更低；Gemini则成为最新lmsys大模型竞技场的榜首。此外，马斯克xAI的Grok 3也在传言中即将推出。
ChatGPT 发布后这两年，该关注什么？打包了24个主题350多篇高质量文章
ChatGPT 发布两年后，OpenAI 引领着 AI 发展潮流，但开源竞争者也在奋力追赶。扩散模型的成功推动了视觉生成模型的发展。小模型、多模态和具身智能等领域也备受关注。