Software 2.0

APPLICATION

机器推理的圣杯=强化学习+提示

AI 的未来不是关于更大的模型，而是关于 更好的代理：能够推理、适应、规划 —— 使用提示进行交互，使用 RL 进行改进，并以数据为基础。

TOOL

Invideo(Veo3.1)视频生成AI工具

Veo 3.1 通过更丰富的原生音频、改进的真实感、视频扩展等功能增强了 Invideo 的流程。

MODEL-ZOO

DeepSeek-OCR：上下文光学压缩

DeepSeek-OCR模型是一个最先进的文档解析器。但光学字符识别只是更大、更深刻的概念的一个概念验证：一种革命性的用于人工智能的记忆压缩方式。

APPLICATION

构建视频处理多智能体AI系统

本文介绍多智能体视频处理的概念基础、架构、关键的实现细节、面临的挑战以及从中获得的经验教训。

TOOL

Google AI Studio 构建模式

告别 Cursor、Claude 甚至 ChatGPT Canvas 的付费模式吧。使用Google AI studio的构建模式，你可以在 60 秒内启动 React 应用，无需任何费用。

MODEL-ZOO

DeepSeek OCR 解读

DeepSeek 团队想要探究的是：我们能否构建一个模型，能够读取压缩后的图像并准确重建全文？在压缩到一定程度之前，我们能将压缩效果提升到何种程度？

TOOL

OpenAI Agent Builder 新手指南

OpenAI 推出了 AgentKit，这是一套完整的工具，旨在统一构建、部署和优化代理的整个生命周期。

APPLICATION

视觉AI驱动的冶金管道计数器

在本文介绍作者开发移动应用PipesCounting的经验，该应用使用视觉AI模型自动计算一束管道的数量。

APPLICATION

上下文工程 101

上下文工程是指管理和优化影响 AI 代理输出的所有内容：从系统提示和对话历史记录到用户偏好、检索到的知识以及长期记忆。

APPLICATION

道路坑洼检测边缘AI实现

我们的目标是构建一个能够通过实时摄像头信号检测道路坑洼，并且无需大型 GPU 或云端设置。

MODEL-ZOO

Fathom-DeepResearch

Fathom-DeepResearch 引入了一个完全开源的代理系统，在复杂、长视界的网络推理和综合任务上可以与专有DeepResearch风格的模型相媲美。

MODEL-ZOO

用UserLM-8b模拟用户行为

微软的 UserLM-8b 是一款革命性的语言模型，旨在模拟用户在对话中的角色，而不是助手的角色。

MODEL-ZOO

用Arch-Router选择最合适的LLM

在本文中，我们将探讨领先的 LLM 路由范式并深入研究 Arch-Router，一个15 亿参数的LLM路由AI模型。

JOB MARKET

千万不要忽视人工智能

玛丽·米克尔最新的336页人工智能趋势报告揭示了一个应该让我们既感到恐惧又感到兴奋的事情：人工智能并没有遵循我们以前见过的任何技术应用的规则。

TOOL

OpenSpec-规范驱动的AI编码流程

我发现了 OpenSpec——一个小型的命令行工具，它能让 AI 编程助手像真正的队友一样工作。无需 API 密钥，无需复杂的设置，只需规范即可。

TOOL

MS Qlib：开源量化交易AI

如果您是一位对算法交易感兴趣的程序员，那么我有个好消息要告诉您——微软发布了 Qlib，这是一个完全免费的开源人工智能平台，它就像量化交易的强大副驾驶。

MODEL-ZOO

NeuTTS Air实时语音克隆模型

NeuTTS Air能够在日常设备如笔记本电脑、智能手机和树莓派上实时进行语音合成，而无需依赖云API或GPU。

MODEL-ZOO

PaddleOCR-VL开源文档解析模型

超越 OCR：解析 109 种语言的文本、表格、公式和图表。获取可在本地运行的 SOTA 文档解析功能。

DATASET

合成表格数据的两种生成方法

本文介绍两种生成与真实数据中的多项分布相匹配的合成数据，一种是基于预测模型，另一种是基于高斯混合模型。

MODEL-ZOO

网页运行Gemma 3 270M

在这篇文章中，我将向你展示如何使用 Gemma 创建我自己的表情符号翻译器——一个将文本转换为表情符号并可以在网页里运行的小型模型。

LIBRARY

Agent SDK vs. AgentKit

Claude Agent SDK和OpenAI AgentKit，两者都代表了构建 AI 代理的成熟且可用于生产环境的方法，但其理念却截然不同。哪种框架更适合您的需求？本指南提供了详细客观的比较，帮助您评估这两个选项。

LIBRARY

oLLM：超长上下文推理库

作为一名从头开始实现过transformers的AI研究人员，我对oLLM如何在不牺牲性能的情况下解决VRAM限制的方法感到着迷。

APPLICATION

10款AI开发必备GPU

选择合适的GPU可能会决定你的AI工作流程是否成功。本文介绍目前顶级模型所使用的硬件——以及聪明的开发者们正在押注的下一个目标。

Genkit Go全栈AI应用开发框架

Genkit Go是一个开源框架，旨在构建全栈 AI 应用，可以轻松连接 Gemini、OpenAI、Ollama 等模型，并管理结构化输出、RAG、工具调用，甚至代理工作流。

JOB MARKET

人工智能的“大空头”时刻

多年来，我和许多其他人一直在警告人工智能泡沫的出现。但各大金融机构才刚刚开始注意到并敲响警钟。