多模态RAG实战：复杂的PPT文档如何处理？一文掌握关键技巧。
多模态RAG实战：复杂的PPT文档如何处理？一文掌握关键技巧。RAG应用的一大复杂性体现在其多样的原始知识结构与表示。特别在企业场景下，混合多种媒体形式且具有复杂布局的文档随处可见，比如一份PPT：
来自主题: AI技术研报
5917 点击 2025-03-24 16:23
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
RAG应用的一大复杂性体现在其多样的原始知识结构与表示。特别在企业场景下，混合多种媒体形式且具有复杂布局的文档随处可见，比如一份PPT：
随着AI智能体的爆发，Browser Use异军突起，刚刚融资1700万美元。它能让AI智能体轻松地「读懂」网站并自动完成复杂任务，引领了一波AI应用热潮。
上期做了一个一键安装 MCP 项目的平价方案，
当前，传统生物制造方法在知识整合、数据处理和实验设计方面面临诸多挑战，限制了其在工业化应用中的效率和可扩展性。
华人学者、斯坦福大学副教授 James Zou 领导的团队提出了 TextGrad ，通过文本自动化“微分”反向传播大语言模型（LLM）文本反馈来优化 AI 系统。只需几行代码，你就可以自动将用于分类数据的“逐步推理”提示转换为一个更复杂的、针对特定应用的提示。
做表情包一度是很多文生图、文生视频应用的场景。Pika在去年就靠魔法猫，在国外出圈了一把。
Dima Shvets作为天使投资人兼Reface联合创始人，其打造的AI换脸应用下载量突破2.5亿次。该应用的成功源于"实时换脸"技术的先发优势与病毒式传播特性的双重驱动。以下是Dima分享关于如何成功打造Reface的经验分享
日前，北京市教委出台《北京市推进中小学人工智能教育工作方案（2025—2027年）》（简称《方案》），计划从今年起，通过创新培育“京娃”系列智能体、全覆盖开展中小学人工智能通识教育、打造一批“助教、助学、助育、助评、助研、助管”应用场景等系列举措，全方位推动人工智能赋能首都基础教育改革发展。
来自清华大学、哈佛大学等机构的研究团队提出了一种创新方法——4D LangSplat。该方法基于动态三维高斯泼溅技术，成功重建了动态语义场，能够高效且精准地完成动态场景下的开放文本查询任务。这一突破为相关领域的研究与应用提供了新的可能性， 该工作目前已经被CVPR2025接收。
3月20日，国家儿童医学中心、首都医科大学附属北京儿童医院（以下简称“北京儿童医院”）联合北京百川智能科技有限公司（以下简称“百川智能”）、小儿方健康科技（北京）有限公司（以下简称“小儿方”）正式发布国内首个儿科大模型——“福棠·百川”儿科大模型，同时发布两款人工智能应用即AI儿科医生基层版和专家版。