今天，他们自称发布了世界上最好的 OCR API，它能够将复杂的 PDF 文件转换为文本文件，以便 AI 模型处理。现在，所有大模型的输入端格式都是文本，或者规整的、容易识别的文本文件，但这个世界上，还有很多文件是粗糙的，不规整的，难以识别的，它需要依赖强大的 OCR 功能才能转换为文本。
用AI代理技术革新医疗行业。据联合国数据，全球65岁及以上人口将从2020年的7.27亿增至2030年的10亿，占总人口比例从9.3%升至12%。这一人口结构变化使医疗需求大增，也加剧了医疗行业人力资源短缺。预计到2025年，美国注册护士短缺或达45万人，国内全科医生空缺预计达100万。
Hippocratic AI 的使命是打造首个以安全性为核心的医疗领域大语言模型（LLM）。
近日，谷歌DeepMind的研究人员推出了苏格拉底式学习，在没有外部数据的情况下，让AI通过语言游戏不断变强。
阔别九月，大家期待的 DeepSeek-VL2 终于来了！DeepSeek-MoE 架构配合动态切图，视觉能力再升级。从视觉定位到梗图解析，从 OCR 到故事生成，从 3B、16B 再到 27B，DeepSeek-VL2 正式开源。
ScreenPipe！作为 Rewind.ai 的开源替代方案，它功能强大，使用灵活，支持中文 OCR，同时兼容 Ollama，让你轻松本地部署，一键回顾你的电脑世界。
多模态生成新突破，字节&华师团队打造TextHarmony，在单一模型架构中实现模态生成的统一，并入选NeurIPS 2024。
在AI-2.0时代，OCR模型的研究难道到头了吗！？
AI is not our future.
上海交通大学王德泉教授课题组在最新研究中提出了这样的一个问题。
