**最新出的一款基於LLM的文件解析模型的輕量級：MonkeyOCR，效能好速度快**

其3B在中文文檔解析任務上平均表現超過了Gemini 2.5 Pro和Qwen2.5-VL-72B

對於多頁文件解析，其處理速度達到每秒0.84頁，超過了MinerU的0.65頁/秒和Qwen2.5-VL-7B的0.12頁/秒

相較於MinerU，MonkeyOCR在九種中英文文件類型上平均表現提升了5.1%，公式辨識提升了15%，表格辨識提升了8.6%

MonkeyOCR採用「結構偵測-內容辨識-關係預測」三元組模式，在簡化傳統分層方法的多工具流程的同時，避免了直接使用多模態模型處理整文檔頁的低效性

支援多種類型中英文文檔，暫不支援照片文檔

github：https://github.com/Yuliang-Liu/MonkeyOCR

Become a free member and never miss an update: https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
Support this show: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
Leave a comment and share your thoughts: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**把Claude Code的AI能力整合到GitHub工作流程中的一款工具：claude-hub，變成GitHub的AI助手，實現自動化開發流程**

在GitHub的issue或PR中@機器人 ，Claude就能自動執行寫入程式碼、檢查程式碼、合併程式碼等開發任務

Claude能自主處理完整的開發流程，包括分析程式碼倉庫，端對端開發，進行程式碼審查，PR的生命週期管理，監控CI/CD管線，自動化程式碼回應

具備智慧任務管理能力，可以持續工作，直到任務全部完成，還可以處理卡殼等待等外部進程，並自動恢復工作

https://github.com/claude-did-this/claude-hub


Become a free member and never miss an update: https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
Support this show: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
Leave a comment and share your thoughts: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**具備細粒度語音編輯能力的一款AI語音修復模型：PlayDiffusion，修改後的語音聽上去可與原語音無縫銜接**

對於做語音播報、或者是有聲讀物，這種需要頻繁修改語音內容的場景來說比較實用

支援精準修改，例如對語音中的單字進行精準修改，把一句話中的“小明”改成“小紅”

其在編輯過程中保留了上下文訊息，使得修改後的語音與原語音間能保持平滑銜接

透過保留說話者的特徵，來確保修改後的語音與原始語音在音色和風格上保持一致

https://github.com/playht/PlayDiffusion


Become a free member and never miss an update: https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
Support this show: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
Leave a comment and share your thoughts: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**很有趣的一個項目，科學研究論文轉換程式碼：Paper2Code**

Paper2Code可以讀取機器學習領域的PDF/LaTeX格式的科學研究論文，然後自動幫你寫出程式碼，且能自我品質評估

假如你想實作一篇論文裡的演算法，但懶得自己寫程式碼，就用它幫你把論文裡的內容寫出程式碼

Paper2Code採用多智能體設計，工作流程分成三個部分，它先閱讀論文，理解演算法的整體結構和流程；然後分析論文中的關鍵細節，例如公式、變數、參數等等；最後根據分析結果，自動產生程式碼

實驗評估，PaperCoder從機器學習論文中產生程式碼的品質高、接近作者實現水平，優於其他基準模型

github：https://github.com/going-doer/Paper2Code

Become a free member and never miss an update: https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
Support this show: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
Leave a comment and share your thoughts: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

這些文本介紹了 FLUX.1 Kontext，這是一個即將開源的生成模型套件，被宣稱為「GPT Killer」。ComfyUI 已將其作為官方的 API 節點 推出，主要用於 文字和圖像驅動的編輯與生成。Kontext 模型，包括 Kontext Pro 和 Kontext Max 兩種版本，旨在支援 上下文中的圖像操作，實現從精確物體修改到風格傳輸等多種功能。文章還提供了如何開始使用該模型的說明，並展示了一些 範例輸出，同時也包含了一些關於 付費模型和審核訊息 的用戶討論。

https://blog.comfy.org/p/flux1-kontext-api-node-in-day-1-workflow

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

這些資料提供了一份關於人工智慧 (AI) 快速發展及其廣泛影響的綜合概述。內容涵蓋了AI 在各行各業的應用和採用現況，強調了其在軟體工程、產品開發、醫療、法律、客戶服務及金融等領域的顯著成長。此外，資料也探討了AI 基礎設施的建置與相關資本支出，並指出AI 模型效能的提升與成本下降，以及中美兩國在 AI 領域的競爭格局。

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**可從表格、圖片、圖表等複雜文件中提取結構化資料的Python庫：agentic-doc**

支援100+頁PDF長文件的處理，自動進行分割與並行處理

自動重試和分頁，處理並發、超時和速率限制

可以解析任意長度PDF、單一影像或指向這些文件的URL

可以把擷取的內容以邊界框的形式視覺化，支援批量解析

github：https://github.com/landing-ai/agentic-doc


加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**新出來的一種生物學推理模型：BioReason，第一個將 DNA基礎模型與LLM深度結合的模型，疾病路徑預測（例如判斷某個基因變異導致什麼疾病）準確率達到了97%**

變異效應預測準確率達80-88%。其比僅用DNA或LLM的模型相比，性能提升超過15%

它把DNA 基礎模型與LLM結合，來用於生物推理，透過監督微調+GRPO強化學習來進行訓練

它不僅能預測，還能解釋原因，它會逐步推理，這個就能讓科學家清楚看到基因變異是如何導致疾病的，而不是只知道結果不知道過程

BioReason的出現讓基因組AI變得可解釋、可操作，從分析基因變異到研發新藥，這或許會改變生物學研究方式

github：https://github.com/bowang-lab/BioReason
專案頁：https://bowang-lab.github.io/BioReason/

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**微軟Bing凌晨開發了一個視頻生成工具出來：Bing Video Creator，Sora提供技術支持，免費使用！ **

目前生成影片時間長為5秒，格式為9:16，未來將支援16:9

最多可以同時排隊生成三個視頻，創作內容保存90天

生成速度有快速和標準兩種模式，最初有10次快速產生機會，用完後可消耗100微軟獎勵積分繼續使用，或用速度標準


加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

**一款設計師的遊標：觀看，設計師可以用拖曳/點擊視覺化的方式建立前端介面，不用寫程式碼也可開發前端應用**

可以直接在瀏覽器裡拖曳、調整元素來設計網站介面，即時預覽效果，並且內建了AI功能，每一步操作都會自動轉換成程式碼

設計和程式碼團體綁定，在瀏覽器裡修改設計，程式碼會自動更新；在程式碼裡修改，設計基因即時更新

也可以點選瀏覽器裡的任何元素，直接定位到程式碼

目前可以從文字、圖片匯入創建應用

支援無縫整合到現有的 React + TailwindCSS 專案中

github：https://github.com/onlook-dev/onlook

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting