搜索
长期以来，光学字符识别（OCR）技术一直是文档数字化的基石。然而，传统的实现方式在应对当今复杂多样的文档时却显得力不从心。在企业领域，文档的形式多种多样，包括扫描的合同、图像、带有嵌入式表格的电子邮件，甚至是手写笔记。基于模式识别和模板的系统无法跟上时代的步伐。一旦输入与预期的规范有所偏离，性能便会出现明显下降，暴露出其脆弱性。
惊艳全球的Claude 4，但它到底是如何思考？来自Anthropic两位研究员最新一期博客采访，透露了很多细节。这两天大家可以说是试玩了不少，有人仅用一个提示就搞定了个浏览器Agent，包括API和前端……直接一整个大震惊，与此同时关于Claude 4可能有意识并试图干坏事的事情同样被爆出。
字节最近真的猛猛开源啊……这一次，他们直接开源了GPT-4o级别的图像生成能力。不止于此，其最新融合的多模态模型BAGEL主打一个“大一统”， 将带图推理、图像编辑、3D生成等功能全都集中到了一个模型。
最近有两件事，让我对 AI 的价值有了不一样的看法。一件事是前段时间西安一名男子去世后，女儿收拾遗物，在父亲的手机里发现了他在生前和 AI 的对话。「我要去世了，豆包」，是父亲和聊天机器人豆包发出的最后一条信息。
丹麦研究显示，生成式AI推出两年半后尚未显著改变劳动力市场，员工收入与工作时长无明显变化。尽管AI工具提升了部分工作效率(平均节省2.8%时间)，但转化为薪资涨幅不足1%。工作内容出现新任务调整，但未减少原有职责，且多数企业将节省时间转化为其他工作量。
在刚刚结束的 Google I/O 开发者大会中，Google 宣布上线由 Gemini 驱动的高级 AI 搜索模式 AI Mode，可以应对复杂问题，支持追问。与之前的 AI Overviews 对 AI 搜索的浅尝辄止不同，Google 终于不再死抱着“关键词+链接列表”，开始拥抱“自然语言交互+结构化答案”的“新”范式了。
英伟达，亲手打破了自己的天花板！刚刚，Blackwell单用户每秒突破了1000个token，在Llama 4 Maverick模型上，再次创下了AI推理的世界纪录。在官博中，团队放出了不少绝密武器。
上月，ChatGPT-4o无条件跪舔用户，被OpenAI紧急修复。然而，ICLR 2025的文章揭示LLM不止会「跪舔」，还有另外5种「套路」。
该项目在今年1 月进一步扩大，Crusoe 与甲骨文签署了更大规模的租赁协议 ，新增 6 个数据中心，覆盖整个 1.2 吉瓦的场地，The Information 率先报道。该协议使甲骨文能为 OpenAI 提供的算力规模翻了两番，额外增加 30 万块 GPU。最初与 Blue Owl 成立的合资企业并不包含此次扩建计划。
极客在创业，小白在买课，画师在失业，但一个尴尬的现实却是：AI 落地热火朝天，但剧情走的不是降临路线，而是掷骰子。极客在创业，小白在买课，画师在失业，但一个尴尬的现实却是：AI 落地热火朝天，但剧情走的不是降临路线，而是掷骰子。