BriefGPT - AI 论文速递 ·

基于 U-Net 的结构化文档定位的数据高效训练

💡 原文中文，约400字，阅读约需1分钟。

📝

内容提要

本研究提出了一种名为SDL-Net的新型U-Net类编码器-解码器架构，用于定位结构化文档。该方法可以在通用数据集上预训练编码器，并支持对新的文档类别进行快速和数据高效的解码器微调。实验证明该方法有效且适用性广泛。

🏷️

结构化应用数据的Dataclasses
本文介绍Python dataclass如何替代易出错的配置字典，构建结构化、可维护的数据模型。涵盖组合嵌套记录、用default_factory处理可变...
金融AI的年度大考交卷了：2万名选手、30+家机构、百亿级数据开源
AFAC 2026金融AI大赛在上海举办，吸引全球5027支队伍参赛。赛事聚焦真实金融场景，设置交易行为识别、复杂文档还原、稀疏反馈实验和长文本Agent...
Kimi K3 模型结构（7）：结构决定系统
本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
EP224：MCP与RAG及AI代理的对比
本文介绍MCP、RAG与AI Agent的区别：MCP是连接AI与外部工具的标准协议；RAG通过检索外部数据提供最新答案；AI Agent能自主决策执行任...
Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...