BriefGPT - AI 论文速递 ·

DIMT25@ICDAR2025: HW-TSC's End-to-End Document Image Machine Translation System Leveraging Large Vision-Language Model

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究提出了华为翻译服务中心的端到端文档图像机器翻译系统，解决了复杂布局问题。通过多任务学习和感知链思维的训练框架，显著提升了OCR和非OCR文档的翻译效果。

🏷️

SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
开源dsh-image-gen：在DeepSeek Harness聊天框直接生图修图
dsh-image-gen是DeepSeek Harness的AI图像插件，支持对话生图、连续编辑、Studio批量创作、多模型对比、500+Prompt...
蚂蚁 inclusionAI 开源 6B 统一图像生成与编辑模型 LLaDA-Image
蚂蚁集团开源统一图像生成与编辑模型LLaDA-Image，含6B参数，提供Base和Turbo两版本，支持文生图、编辑及中英文渲染。Turbo采用蒸馏技术...
英伟达买下Hugging Face的真正算盘
英伟达以129.3亿美元收购开源AI平台Hugging Face，交易金额暗藏表情符和品牌色梗。此举旨在掌控开源生态，被视为下一代CUDA，以巩固其统治地...
2026 09 06 HackerNews
Anthropic团队利用Claude AI在11天内完成了费马大定理的完整计算机验证，生成了1300万行Lean代码，证明了29500个中间定理，展示了...
推理服务的缓存与调度：前缀、多级存储、集群路由
本文讨论长上下文推理服务的缓存与调度优化。核心原则是缓存未命中比命中贵几个数量级，因此设计围绕复用展开：单实例内通过块哈希实现前缀缓存；KV池采用writ...