该数据集包含 545,431 条训练样本，涵盖 285,516 条 COT 思维推理样本与 259,915 条 TIR 工具推理样本，覆盖代数、几何、数论、组合数学等竞赛与高校科研级数学场景，数据采用人工与自动化混合标注方式，包含唯一编号、题目文本、多轮对话、标准答案、来源、协议等标准化字段。该数据集共包含 10,193,029 条教学记录，总规模超过 100 亿个...

该数据集包含 300 个元认知陷阱问题，覆盖数学、物理、生物、法律、医学、经济学、统计学、伦理学、计算机科学等 121 个领域，涵盖 8 种元认知行为类型，包括自我纠正、陷阱逃脱、转换检测、矛盾解决、渐进发现、多约束处理、专家面板和不确定性决策。GLM-5.2 Agent 是由 TeichAI 使用 Teich 生成的一个 GLM – 5.2...

Ubuntu 26.10 正在开发情境感知桌面，首个成果是 Myna 语音转文本解决方案。同时，Vocalinux 是一款开源的 Linux 桌面语音输入工具，支持离线处理，兼容多种桌面环境。最新的 0.14 beta 版增加了快捷键支持和 API 引擎兼容性。

本文介绍了一种个性化增量视频搜索系统，结合语义和协作信号以提升排名。该系统利用文本和ID嵌入模型，通过用户观看历史构建用户表示。实验结果表明，个性化排名在模糊查询中效果显著，尤其对观看历史较长的用户更为有效。在线实验显示，点击率和转化率均显著提高。

NVIDIA 发布了 Audex，这是一个统一的音频-文本大型语言模型，具备理解和生成音频及语音的能力，同时保持文本智能。Audex 采用 30 亿参数的 MoE 结构，设计简洁，避免了多模态模型的性能退化，在文本和音频任务中表现优异，尤其在语音识别领域领先。尽管存在商业许可限制和音频理解能力不足等缺点，Audex 仍在多项任务中表现出色。

本文介绍了如何使用JavaScript构建基于浏览器的PDF OCR文本转换器。该工具允许用户上传PDF文件，预览页面，配置OCR设置，提取文本并导出结果。OCR技术能够识别扫描图像中的文本并将其转换为可编辑的数字文本，确保用户隐私和安全。通过优化图像质量和选择合适的OCR语言，可以提高识别准确性。

LensVLM是一种推理框架，旨在提升视觉语言模型（VLM）在压缩图像上的表现。该方法通过选择性扩展相关图像，保持高达4.3倍的有效压缩精度，超越传统的文本和视觉压缩基线。在多模态文档和代码理解任务中，随着压缩增加，准确性显著提升。

该研究聚焦于文本到声音视频生成（T2SV），旨在从文本生成同步音频的视频。为解决文本条件瓶颈和跨模态特征交互机制不明确的问题，提出了交叉参考重写器（CRR）框架，通过提取语义锚点和生成解耦的字幕对，消除模态干扰，缩小训练与推理之间的差距。

本文介绍了如何构建一个基于浏览器的文本比较工具，用户可以输入原始文本和修改后的文本，工具会高亮显示添加或删除的内容。该项目使用HTML、CSS和JavaScript实现，确保数据在本地处理以保护用户隐私。

本文介绍了如何使用Telnyx AI推理将杂乱文本转换为结构化JSON。该应用通过Flask端点接收杂乱文本和所需字段，返回可验证的JSON对象，便于在软件中使用。示例代码简单易懂，适合实际应用场景。

近年来，开放源代码的全能AI模型逐渐成熟，能够统一处理文本、图像、音频和视频。本文介绍了五个前沿模型：NVIDIA的Nemotron 3、Google的Gemma 4、Qwen3-Omni、DeepSeek的Janus-Pro和MiniCPM-o 4.5。这些模型在多模态理解、实时交互和生成能力方面表现出色，适用于客户支持、文档分析和实时语音对话等应用场景。全能模型的出现使AI在实际工作流程中更加高效和自然。

本文介绍了如何结合大型语言模型（LLM）嵌入和HDBSCAN算法构建文本聚类管道，以自动发现未标记文本数据中的主题。主要步骤包括生成文本嵌入、降低维度和应用聚类，最终成功识别出两个主题聚类，展示了该方法的有效性。

Canonical 正在为 Ubuntu 26.10 开发名为 Myna 的语音转文本解决方案。Myna 提供可靠的桌面语音输入功能，用户可通过快捷键自然说话，实时转换为文本。该项目支持本地语音模型处理，无需互联网连接，初期专注于语音转文本功能。