微信推出首个AI助手了
微信推出首个AI助手，整合多种功能如文档识别、图像翻译等，直接嵌入到12亿用户的日常沟通场景中。该助手具备离线运行能力，并支持跨模态处理，实现一站式创作和管理。它不仅提升了工具的效率，还在重塑数字生活体验上起到了关键作用。
OCR
Gemma3+Mistral-OCR+RAG：实现多模态文档问答系统
文章介绍了使用Mistral OCR + Gemma 3 和RAG构建的多模态PDF文档问答系统，并详细描述了Mistral OCR和Gemma 3的独特之处及其在处理复杂文档中的应用。
一站式文本提取神器，轻松搞定PDF、图片、文档等多格式文件的文本提取Kreuzberg
Kreuzberg 是一个现代 Python 库，用于从多种文件格式中高效提取文本。它提供高级功能、错误处理和全面支持，通过多种异常类型确保稳健的性能。
12K Star 适配多场景！MarkItDown：微软开源多格式文档处理工具，轻松将文件转为 Markdown 格式！
一款多功能文档处理工具MarkItDown由微软开源提供，支持PDF、Office文档、图片、音频等多种格式文件转换为Markdown格式，具备OCR文字识别、语音转文字等功能。适用于文档批量处理、索引检索和数据分析等场景。
DeepMind悄悄发布PaliGemma二代，最易微调「视觉语言全能王」来了，多项任务登顶SOTA
谷歌发布的PaliGemma 2模型在多个视觉语言任务上取得领先成绩，支持多种分辨率和参数规模，并且在OCR、表格识别、乐谱识别及医学报告生成等任务中表现突出。
人生搜索引擎免费用，开源版哈利波特“冥想盆”登GitHub热榜，支持中文
Pensieve（冥想盆）是一款免费的软件，能帮助用户回忆电脑屏幕上的内容。它允许用户完全控制自己的数据，并且已经在GitHub上获得了关注。对比了收费的记忆助手Rewind和微软的Windows Recall功能后，Pensieve因其隐私保护特性而显得更受欢迎。