用户8729876

文章/答案/技术大牛

发布

LV2

发表了文章 8天前2026-08-28 16:49:10

把表格压成 64 个 token，长文档问答反而更准了：先找表，再看数

💡 一句话总结：把文档里的表格渲染成图、压缩到 64 个视觉 token，模型读不出具体数字，却还能准确判断"哪张表和问题相关"——爱丁堡大学团队据此设计了两段...

用户8729876 8天前2026-08-28 16:49:10

行业文档识别、agent、算法

发表了文章 9天前2026-08-27 16:14:05

从 3.94 亿页书里捞出 2262 万个视觉元素

💡 一句话总结：这篇报告把书籍视觉元素当作一等数据对象，用轻量检测、分类、去重和可选 caption 组成可审计管线，在 Harvard Library 数亿页...

用户8729876 9天前2026-08-27 16:14:05

文字识别、行业文档识别

发表了文章 11天前2026-08-25 17:14:21

把 8300 万个报纸版面单元变成可查询对象

💡 一句话总结：这条管线把历史报纸从“页图加 OCR 噪声”改成 crop 级结构化数据；每个 crop 挂着文本、类型、语言、实体、主题、顺序和向量，研究者可...

用户8729876 11天前2026-08-25 17:14:21

LLM、agent、行业文档识别、文字识别

发表了文章 13天前2026-08-23 08:14:39

DocClaw：让文档 Agent 记住自己刚刚读过哪里

💡 一句话总结：DocClaw 的贡献不是发明新 backbone，而是把文档任务差异放到技能层、把可复用知识放到状态层、把感知动作放到工具层；技能提升质量，状...

用户8729876 13天前2026-08-23 08:14:39

行业文档识别、agent、ocr

发表了文章 15天前2026-08-21 18:07:38

OmniHandwritingOCR：别让多模态大模型把手写公式读成幻觉

💡 一句话总结：OmniHandwritingOCR 用 77,572 个图像-标签对、6 个子任务和 12 个子集把手写 OCR 从“总分游戏”变成失败模式诊...

用户8729876 15天前2026-08-21 18:07:38

ocr、行业文档识别

发表了文章 16天前2026-08-20 17:13:01

DocMemo：让长文档 RAG 学会带记忆地翻页

💡 一句话总结：DocMemo 把长文档检索从“先选一批页再硬答”改成“读、记、更新置信度、再找”的循环；如果你做的是 RAG、文档 Agent 或多模态文档理...

用户8729876 16天前2026-08-20 17:13:01

行业文档识别、智能检索、文档服务

发表了文章 17天前2026-08-19 14:01:06

83.85% vs 17.91%：FormStruct-Bench 揭开表单解析的错觉

💡 一句话总结：FormStruct-Bench 把表单解析从“字段抽取对了几个”推进到“结构到底坏在哪一层”；它测出最强内容分数可达 83.85%，但最佳主结...

用户8729876 17天前2026-08-19 14:01:06

LLM、行业文档识别、多模态智能数据湖 TCLake

发表了文章 18天前2026-08-18 15:48:47

DEC：别急着重训，先让表格解析器再检查一遍

💡 一句话总结：这篇论文把“公开基准高分但真实复杂表格仍翻车”的问题拆开诊断，再用 DEC 在不重训解析器的前提下做拆表、增强、修正和回滚；它不是万能 OCR ...

用户8729876 18天前2026-08-18 15:48:47

人工智能、行业文档识别

发表了文章 20天前2026-08-16 16:05:55

1.2B 小模型赢过 235B 大模型：NaviDC-OCR 把文档解析卷明白了

💡 一句话总结：NaviDC-OCR 证明了在文档解析这条赛道上，"针对性的数据工程 + 训练配方"比堆参数量管用——1.2B 模型四大基准全第一，还顺手赢了一...

用户8729876 20天前2026-08-16 16:05:54

agent、ocr、行业文档识别

发表了文章 22天前2026-08-14 18:10:11

AutoDesign：让 Agent 自己改自己的 harness，40 分钟把论文变成会议海报

💡 一句话总结：AutoDesign 把「围绕模型的那套系统」（prompt、工具、流程）变成可被 Agent 自动优化的对象——外层循环改系统、内层循环出作品...

用户8729876 22天前2026-08-14 18:10:11

AIGC、LLM、agent、设计

发表了文章 22天前2026-08-14 17:45:50

视频生成得很真，机器人却抓了个寂寞：DreamX-Phi 的几何药方

💡 一句话总结：DreamX-Phi 1.0 用"把每条手臂的 3D 运动轨迹直接钉进注意力机制"的几何化方式，解决视频世界模型"画面很真、动作不听"的老毛病，...

用户8729876 22天前2026-08-14 17:45:50

世界机器人大赛、机器人视觉、机器人

订阅了专栏 22天前2026-08-14 17:42:14

VLA

具身智能

1 文章1 订阅数

加入了专栏 22天前2026-08-14 17:42:14

VLA

具身智能

1 文章1 订阅数

创建了专栏 22天前2026-08-14 17:42:14

VLA

具身智能

1 文章1 订阅数

发表了文章 23天前2026-08-13 10:34:21

DeepSeek V4-Pro 转正：号称追平 Claude Fable 5，但跑分只有一家在说

💡 一句话总结：DeepSeek V4-Pro 旗舰模型今天正式 GA，Agent 能力据报暴涨（DeepSWE 从 12.8 飙到 62.7），价格比 Cla...

用户8729876 23天前2026-08-13 10:34:21

agent、Vibe Coding 平台构建、LLM、DeepSeek

发表了文章 23天前2026-08-13 10:34:04

Grok 4.6：追平 GPT-5.6 Sol 的半价旗舰，但别只看跑分

💡 一句话总结：Grok 4.6 在智能指数上追平了 GPT-5.6 Sol（都 61 分），token 价格只有一半——但真正让人意外的是它的回合效率（完成 ...

用户8729876 23天前2026-08-13 10:34:04

LLM、Vibe Coding 平台构建、AIGC、agent

发表了文章 24天前2026-08-12 17:58:55

Muse Glimmer 30B：Meta 难得给的真开源，强在哪、虚在哪

💡 一句话总结：Meta 用 Apache 2.0 放了一个 30B、单卡能跑、冲着本地 agent 去的模型——官方跑分漂亮、生态一天内就跟上，但蒸馏来源不透...

用户8729876 24天前2026-08-12 17:58:55

模型、算法、人工智能

发表了文章 24天前2026-08-12 13:58:31

给YOLO检测器插 LoRA，'插对地方'比'插什么'更要命

大语言模型基本上是一摞结构几乎相同的 Transformer 层——每一层都是注意力 + MLP，参数化的方式高度一致。所以你在任意一层插 LoRA，行为都是可...

用户8729876 24天前2026-08-12 13:58:31

计算机视觉、算法、yolo

订阅了专栏 24天前2026-08-12 13:57:51

CV

计算机视觉

1 文章1 订阅数

加入了专栏 24天前2026-08-12 13:57:51

CV

计算机视觉

1 文章1 订阅数

12 3 下一页

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2021-06-15

个人成就

获得 20 次赞同
文章被阅读 6.3K 次

关注了：0关注者：12

用户8729876

把表格压成 64 个 token，长文档问答反而更准了：先找表，再看数

从 3.94 亿页书里捞出 2262 万个视觉元素

把 8300 万个报纸版面单元变成可查询对象

DocClaw：让文档 Agent 记住自己刚刚读过哪里

OmniHandwritingOCR：别让多模态大模型把手写公式读成幻觉

DocMemo：让长文档 RAG 学会带记忆地翻页

83.85% vs 17.91%：FormStruct-Bench 揭开表单解析的错觉

DEC：别急着重训，先让表格解析器再检查一遍

1.2B 小模型赢过 235B 大模型：NaviDC-OCR 把文档解析卷明白了

AutoDesign：让 Agent 自己改自己的 harness，40 分钟把论文变成会议海报

视频生成得很真，机器人却抓了个寂寞：DreamX-Phi 的几何药方

VLA

VLA

VLA

DeepSeek V4-Pro 转正：号称追平 Claude Fable 5，但跑分只有一家在说

Grok 4.6：追平 GPT-5.6 Sol 的半价旗舰，但别只看跑分

Muse Glimmer 30B：Meta 难得给的真开源，强在哪、虚在哪

给YOLO检测器插 LoRA，'插对地方'比'插什么'更要命

CV

CV

个人简介

个人成就

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐