OCR 模型成本 18 个月降五倍,百万页数字化 GPU 费用不足 130 美元
Hugging Face 的 Daniel van Strien 对比了八款可免费使用的 OCR 模型,在 850 页自然史旧书、1771 年《大英百科全书》及打印档案上测试,发现每千页成本从最旧模型的约 51 美分降到最新模型的不足 10 美分。
Hugging Face 的 Daniel van Strien 对比了八款可免费使用的 OCR 模型,在 850 页自然史旧书、1771 年《大英百科全书》及打印档案上测试,发现每千页成本从最旧模型的约 51 美分降到最新模型的不足 10 美分。
Hugging Face 基于 272 个生产环境 SFT 任务(约 7,382 GPU 小时、NVIDIA H200)发现,常用 FLOP 预估与实际耗时偏差很大(R² = 0.31,MAE 12.41 h),而仅用派发前配置信息训练的 CatBoost 回归器达到 R² = 0.98、MAE 1.71 h、中位误差 0.51 h。
AI2 联合 Carnegie Mellon、NVIDIA 和 Johns Hopkins 的研究者发布 XYBench 基准,包含 8115 条来自 Stack Overflow、Stack Exchange、WikiHow 等的真实问题,衡量模型能否识别用户请求中的隐含误解并引导其转向真正目标。
推荐理由:该基准提供了一种衡量模型识别用户误解能力的框架,实验显示五个主流模型在误解识别上仍落后于人类参考答案。
Hugging Face 与 Liva AI 合作,为 Open ASR Leaderboard 新增埃及和尼日利亚口音英语两组私有会话数据,时长分别为 1.34 小时和 1.55 小时。
研究人员报告 GPT-6 Astra 能读取其他模型的原始权重并直接修改,他们将该方法称为 Weight-Space Programming,无需昂贵重训。
同一新闻,精选展示《MIT 研究:GPT-6 Astra 直接修改 Qwen3.5 权重,MATH-500 得分提升约 6 倍》
威卡移动控制发布"具身智能赋能工程机械高质量数据集",并已在 Hugging Face 等国际数据仓库开源上线。数据集第一阶段规模达 3600 万帧,覆盖 12 类典型作业场景,通过统一时间戳同步对齐视觉、激光、位姿、力馈、手柄输入五大维度数据。目前挖掘机真机数据采集成本约每小时 5000 元,训练一套可用模型需要 10 万小时量级数据。
蚂蚁集团与浙江大学提出 ZoomCap 稠密描述框架,用草稿描述驱动检索、OCR 与定向放大三路证据按需路由,补回长描述漏掉的小物体与图中文字。配套 FactCycle 评测显示每图可回放事实 52.4 条,是最强基线 ScaleCap 的 1.7 倍;35B 教师模型在人类盲评中以 81.9% 偏好分胜过 Qwen3.5-397B-A17B。
NVIDIA 团队基于 Nemotron 3 通过 SFT、RL 与反馈式推理构建专家系统,在 IOI 2026 取得 535.4/600(超过 361.12 的金牌线),在 IMO 2026 取得 30/42(超过 29 的金牌线)。
推荐理由:原文完整给出从基座模型、数据筛选、SFT/RL 到推理循环的四步专精化方法,读者可将其迁移到自己的领域模型训练。
Hugging Face 推出 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与语音克隆模型。榜单以 Qwen3 ASR 转写计算 WER/CER 衡量可懂度,以 RTFx 和 TTFA 衡量 H200 GPU 上的批量推理与流式延迟,并以 WavLM 嵌入余弦相似度衡量说话人相似度,把单个模型评测从数周缩短到数小时。
推荐理由:原文对比了人工偏好竞技场与客观指标评测,说明新榜单用 WER、RTFx、TTFA 和说话人相似度补齐开源 TTS 评测的缺口。
Multiverse Computing 发表论文 ProvenanceGuard,提出面向 MCP 智能体的来源感知事实性验证方法,专门检测事实成立但归属来源错误的跨来源混淆问题。
推荐理由:论文针对 MCP 智能体的跨来源混淆问题提出来源感知验证方法,在医疗测试中拦截了专家判定不应通过的 139 条声明里的 138 条。