BriefGPT - AI 论文速递 ·

文档布局分析的视觉网格变换器

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

该研究介绍了METER框架，一种多模态端到端Transformer框架，通过设计和预训练基于Transformer的视听模型，取得了77.64%的准确率，超过了以前的最优模型，最佳情况下可达到80.54%的准确率。

🏷️

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...
Kimi K3 模型结构（0）：一张图看懂 Kimi K3
Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
Minmax H3中英提示词效果差异测试 - 蝈蝈俊
对于MiniMax H3，使用中文和英文提示词时，能看到都在说，英文提示词通常能带来更好的生成效果。但是我实际测试下来，感觉差别不大。我的测试是基于北京...
OpenAI承认德国维基‘事件’
OpenAI says it needs to overhaul how and when it reports instances of AI mode...
自动驾驶出租车进入反派时代
It's Bullitt meets Christine meets Waymo. A new short film imagines a San...
Beyond Zero: Google Publishes Successor to BeyondCorp
In a recent research paper, Google introduced Beyond Zero, a “security model ...