Cohere的Parse 5技术能够高效地从复杂的文档中提取多模态信息。
Cohere推出了Parse 5，这是一种多模态基础模型，旨在从复杂的企业文档中提取结构化数据。这个拥有23亿个参数的系统能够将内容丰富的PDF文件转换为Markdown格式，同时还能提供用于视觉识别的边界框坐标。经过对2000多份企业文档的测试，该系统在关键性能指标上的平均得分达到了79.2分。 作者：Olimpiu Pop
Cohere推出了Parse 5，这是一种多模态基础模型，旨在从复杂的企业文档中提取结构化数据。这个拥有23亿个参数的系统能够将内容丰富的PDF文件转换为Markdown格式，同时还能提供用于视觉识别的边界框坐标。经过对2000多份企业文档的测试，该系统在关键性能指标上的平均得分达到了79.2分。
作者：Olimpiu Pop相关文章
DeepSeek的开源举措为构建模块化、可独立使用的AI智能体基础设施打开了大门。
DeepSeek发布了名为DeepSeek Harness的开源开发工具，该工具可用于构建自主运行的AI系统。这款软件采用了微内核架构，并为各种功能模块提供了可插拔的插件。此次发布的版本中还包括了一个仅用于记录事件信息的日志系统，以便追踪程序的执行过程。用户是否会选择使用这一工具，可能会受到其所使用的插件生态系统的稳定性以及相关API维护情况的影响。 作者：Olimpiu Pop
阅读全文
主要的边境管理服务提供商纷纷采用水印技术，以遵守欧盟的相关规定。
截至2026年8月2日，欧盟《人工智能法案》第50条规定，人工智能系统必须以机器能够识别的方式对合成生成的内容进行标记。各大技术供应商目前正在采用统计水印技术来实现这一要求，这些技术不会影响自然语言生成的性能，但会对相关系统的运行产生一定影响。这一举措引发了开源社区的强烈反应，人们普遍对这些规定的合规性以及可能带来的安全风险表示担忧。 作者：Olimpiu Pop
阅读全文
SpaceXAI推出了Grok机器人，用于辅助人工智能代理实现自主运行。
SpaceXAI推出了Grok Bot这一系统——这套由持久性人工智能代理组成的系统运行在专用的云计算机上，能够与网站、应用程序、收件箱以及其他工具进行交互。 作者：丹尼尔·多明格斯
阅读全文
OpenAI详细介绍了GPT-Live的架构，该架构专为实现连续状态下的语音交互而设计。
OpenAI最近发布了一份关于GPT-Live的技术说明文档。其中详细介绍了他们是如何设计这个系统的——该系统能够在保持连续语音交互的同时，将那些对延迟敏感的媒体处理任务与其他应用程序逻辑分开来处理。实时通信流程中包含了媒体数据传输机制以及推理模块；而授权管理、工具使用、数据持久化等功能则是在异步远程过程调用框架下运行的。 作者：Eran Stiller
阅读全文