跳到正文
7月8日周三
7月7日周二
  1. Hugging Face Blog74

    LeRobot v0.6.0 发布:世界模型策略、奖励模型 API 与六项仿真基准

    LeRobot v0.6.0 发布,围绕机器人学习闭环引入世界模型策略(VLA-JEPA、FastWAM、LingBot-VA)、新一批 VLA(GR00T N1.7、MolmoAct2、EO-1、EVO1、Multitask DiT)以及统一的奖励模型 API(Robometer、TOPReward)。

    推荐理由:原文系统梳理了机器人学习闭环各环节的新增能力,读者可据此了解开源机器人栈的当前边界。

7月6日周一
7月1日周三
6月30日周二
6月25日周四
  1. Google DeepMind74

    Gemini 3.5 Flash 内置 computer use 工具

    Google DeepMind 宣布 computer use 现已成为 Gemini 3.5 Flash 的内置工具,此前该能力仅作为独立的 Gemini 2.5 computer use 模型提供,如今原生集成进主 Gemini Flash 模型。

    推荐理由:原文说明了 computer use 从独立模型变为内置工具的路径变化,以及配套的两项企业防护机制,便于评估其在自动化任务中的落地方式。

6月24日周三
6月23日周二
  1. Mistral AI62

    Mistral 发布 OCR 4 文档解析模型

    Mistral 发布 Mistral OCR 4 文档解析模型,除提取文本外还返回 bounding boxes、块类型分类和逐页逐词置信度分数,支持 170 种语言、10 个语系,可单容器自托管部署。

    推荐理由:原文给出基准分数与已知评分缺陷的对照,读者可据此判断该模型在真实文档场景中的可用边界。

6月22日周一
6月19日周五
6月18日周四
6月17日周三
6月16日周二
6月12日周五
6月11日周四
6月10日周三
6月9日周二
  1. Google DeepMind76

    Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型

    Google DeepMind 发布最新音频模型 Gemini 3.5 Live Translate,支持 70+ 语言近实时语音到语音翻译,可自动检测语言并保留说话者的语调、节奏和音高,持续生成语音且仅比说话者落后几秒。

    推荐理由:原文说明了从五种语言到 70+ 语言的跨度变化,读者可据此判断它对会议翻译场景的实际影响。

6月8日周一
6月5日周五
6月4日周四