%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
PaddleOCR v2.8.0作爲飛槳深度學習開源框架下的文字識別開發套件，發佈了里程碑式的更新。這個版本引入了前沿的OCR技術，包括PaddleOCR算法模型挑戰賽的冠軍方案，如場景文本識別算法SVTRv2和表格識別算法SLANet-LCNetV2，爲OCR領域樹立了新的標準。
同時，項目結構經過深度優化，非核心模塊被遷移至新倉庫，使項目更專注於OCR核心技術。此外，解決了包括更新Backbone後模型無法運行、numpy版本依賴衝突、Mac系統運行卡頓等歷史疑難問題，提升了用戶體驗。
新版本還包括了對版面分析中OCR結果丟失問題的修復，引入了pyproject.toml以符合PEP518規範，以及對大圖推理的滑動窗口操作等優化改進，增強了軟件的穩定性、兼容性和性能。開源社區的支持和貢獻對PaddleOCR v2.8.0的每一個進步至關重要，PMC成員和貢獻者的努力被特別感謝。
PaddleOCR正在建設文檔教程專屬站點，將提供關鍵詞檢索功能和優雅舒適的界面。
項目地址：https://github.com/PaddlePaddle/PaddleOCR
AI照片“復活術”Heygen推出照片對口型工具，用戶上傳照片與音頻後，照片中人物可對應音頻內容進行說話、唱歌、朗讀，支持長達20秒音頻生成視頻，具備識別並同步主要聲音的特點。然而，目前該服務對中國區用戶有限制，導致用戶體驗受限。Heygen在當地受到關注，今年6月在一輪融資中以5億美元估值籌集了6000萬美元，獲得Benchmark等知名機構投資，並接入新董事會成員。至今已籌集7400萬美元，成爲了利用生成式AI成本更低、操作更簡捷進行影片製作領域的領先企業。體驗該工具的地址已公佈。
三星電子在昨日的Unpacked活動上不僅發佈了新一代摺疊手機Galaxy Z Fold6和Galaxy Z Flip6，更重磅宣佈了Galaxy AI的重大進展。公司自豪地表示，到今年年底，Galaxy AI將覆蓋高達2億臺設備，展現了三星在人工智能領域的雄心壯志。
近期,麻省理工學院研究團隊對大型語言模型(LLMs)在不同任務下的表現進行了深入探討。研究發現,LLMs在熟悉任務上表現良好,但卻在面對非典型或未知情境時顯現出推理能力的嚴重侷限。通過比較“默認任務”與“反事實場景”,以及調整任務設計以測試模型反應,結果表明,儘管模型在十進制算術運算相當出色,但在非十進制環境以及音樂、空間推理和國際象棋等其他任務中表現出完全不同的表現。模型的不穩定表現和對訓練數據的直接記憶依賴,揭示了其在面對變動環境中較爲有限的邏輯應用能力。研究主要作者指出,LLMs更加擅長於在熟悉場景下利用已知信息,而非靈活運用邏輯推理處理環境變化。這一發現對未來模型設計具有重要意義,尤其是在適應性和多任務處理能力提升方面,並指出了研究領域的新方向,力圖構建更具普適性和魯棒性的AI模型原型,應對真實世界複雜多變的挑戰。當前研究的侷限性在於對候選模型評估的維度和環境的限制,未來需進一步擴大評估範圍,以全面揭示模型在真實世界應用中的潛在限制。
微軟今日宣佈，Microsoft Edge和其他基於Chromium的瀏覽器將通過Async Clipboard API支持SVG（可縮放矢量圖形）文件的複製和粘貼功能。這一重大突破將顯著提升用戶體驗和Web開發效率。
谷歌通過訓練Gemini AI，正致力於提升其機器人的導航與任務完成能力。DeepMind團隊在一篇研究論文中詳細描述瞭如何使用Gemini1.5Pro的長上下文窗口，使用戶能更自然地使用語言指令與RT-2機器人交互。Gemini1.5Pro讓機器人通過視頻遊覽來理解環境，執行如引導用戶到插座等命令。實驗顯示，機器人在這9000多平方英尺區域內成功執行超過50指令，成功率高達90%。更有意思的是，Gemini還幫助機器人規劃指令，不僅限於導航，例如確定冰箱內是否有用戶最喜歡的飲料。儘管處理指令需約10-30秒，此研究朝向提升機器人與人類共存邁出了重要一步。
蘿蔔快跑發佈第六代無人車，集成全球首個人工智能大模型ApolloADFM，支持L4級自動駕駛。百度宣稱該系統安全性超過人類駕駛員10倍，媲美國產大飛機，保險保障乘客安全。據數據，相比人類司機，其出險率降低約9倍。兩年運行超過1億公里，無重大事故。通過應對武漢複雜交通，實現城市全域全時空無人服務，惠及近50%武漢市民。