跳到正文
11月13日週五
  1. HuggingFace Daily Papers(社區熱門論文)40

    DySENSE:結合衞星影像合成與模擬時空能源數據

    DySENSE 是一個多模態 GenAI 框架,可結合靜態城市衞星影像與空間對齊的每月動態建築能源消耗圖,合成帶有能源數據的城市影像。該框架在四個城市的實驗中,使用少於 25% 的已標註數據,令下游預測的 mIoU 提升 8%;相較現有方法,預測準確度提升 8.7%,CVRMSE 預測誤差降低 9%-18%。

  2. HuggingFace Daily Papers(社區熱門論文)47

    WebArena-Pro:面向網頁智能體的異質、多模態、可重現基準測試

    WebArena-Pro 推出面向網頁智能體的異質、多模態、可重現基準測試,涵蓋音訊和影片內容。基準測試包含 300 項任務,分佈於六個領域類別的 20 個自託管網頁應用程式;Codex 搭配 GPT 6.1 Sol,以及 Claude Code 搭配 Claude Opus 5.5,均取得 62.3% 的最高表現。每項任務均獨立執行,並支援可重現的平行評估。

  3. HuggingFace Daily Papers(社區熱門論文)50

    Gamer:面向長時程即時遊戲智能體的通用視覺—語言—動作基礎模型

    miHoYo Honkai AI R&D team 開發 Gamer,讓通用視覺—語言—動作基礎模型透過螢幕截圖、鍵盤和滑鼠進行長時程即時遊戲互動。模型以 10K+ 小時遊戲軌跡進行持續預訓練,並使用約 1.2M 條推理標註和約 223K 條記憶標註;Streaming-vLLM 在基準測試設定中將推理延遲降低超過 20×。

  4. HuggingFace Daily Papers(社區熱門論文)58

    Marimba:面向語音的 System One 模型

    Marimba 是一個面向語音的 System One 模型,用戶可對即時音訊輸入文字問題,並每 250 ms 收到文字答案。單一凍結的 Qwen3-ASR-0.6B 處理所有問題,可在手提電腦 CPU 上運行;説話者計數在 AMI 和 VoxConverse 上優於 pyannote 3.1,300 段 FLEURS 音訊的語言識別率為 100%。

  5. Unite.AI85

    Google 發佈 Gemini 4 Hydrogen,面向日常智能體工作流程

    Google 於 2026 年 11 月 12 日發佈 Gemini 4 Hydrogen,定位為面向快速編碼及智能體工作的模型,並開始全球推出。Google Antigravity 的 Orchestrator 可讓 Carbon 規劃、Hydrogen 執行,並在需要時切回 Carbon。

    推薦理由:Antigravity 團隊的測試呈現 Carbon 規劃、Hydrogen 執行的效率數據,包含接近 Carbon 的任務成功率、配額少用 24% 及平均快 19%。

11月12日週四
  1. The Elec55

    Samsung 發佈 30 款 AI 智能眼鏡,12 月 10 日在韓國及美國上市

    Samsung Electronics 發佈 30 款 AI 智能眼鏡,定於 12 月 10 日在韓國及美國上市。眼鏡搭載 Google 的 Gemini,支援翻譯、導航和會議摘要;系列包括 16 款 Gentle Monster 款式及 14 款 Warby Parker 款式。美國會發售兩品牌款式,韓國只推出 Gentle Monster 款式;錄影指示燈被遮擋或故障時,相機會自動關閉。

  2. Unite.AI21

    AR 眼鏡的未來在於融入 AI

    AI 將把生成式能力帶入 AR 眼鏡,成為擴展沉浸式體驗的下一步。生成式 AI 可更快、自動建立 3D 模型,並讓用戶透過語音描述想像中的圖像與物件,呈現在現實環境中。即時語音翻譯、字幕及物件識別亦可應用於 AR 眼鏡,支援跨語言溝通和即時取得地標資訊。

  3. Unite.AI30

    讀心 AI 如何解碼腦部活動,重建所見所聞

    讀心 AI 透過分析腦部活動解碼思想,並能在特定任務中將視覺感知或腦波轉化為圖像和文字。MinD-Vis 利用 fMRI 和擴散模型重建所見圖像;DeWave 則以 EEG 將默讀文字轉成文字。現有技術仍受限於受控環境,未能即時捕捉人類多元的心理狀態。

  4. Unite.AI35

    VoxelSensors 與 Qualcomm 合作,重新定義 AR 眼鏡

    VoxelSensors 與 Qualcomm 合作,將 SPAES™ 感測技術及 PERCEPT 情境 AI 平台整合至 Snapdragon AR2 Gen 1,推動更輕巧、智能的 AR 眼鏡。SPAES™ 深度感測的功耗較現有方法低 10 倍,反應速度較影像逐格處理系統快逾 100 倍。雙方計劃於 2025年12月 向指定合作夥伴提供最佳化方案。

  5. 新浪科技47

    Google 為 Android XR 智能眼鏡推出全面私隱保障措施:錄製指示燈、人臉模糊及數據即時刪除

    Google 為 Android XR 智能眼鏡推出多項私隱保障措施,包括錄製指示燈、人臉模糊,以及 Gemini 使用後即時刪除攝像頭影像。相關影像不會存入 Gemini 聊天記錄,也不會用於 AI 模型訓練或廣告;眼鏡會定期檢查指示燈,故障時自動停用攝像頭。Intelligent Eyewear 單次影片錄製上限為 90 秒,Gemini 在未能確認用戶意圖時會先詢問是否啟用攝像頭。

  6. DEV Community41

    自動翻譯漫畫:如何將譯文排回對話框

    Manga Translator 團隊分享自動翻譯漫畫的圖像處理流程,涵蓋辨認文字與對話框、讀取文字、清除原文及排入譯文,並以官方英語和韓語版本作逐頁比較。不同背景需要不同清除方式;排字則須配合對話框形狀、字體、顏色和各語言的換行習慣。WEB app 可處理 manga、manhwa 或 webtoon 頁面,輸出英語或另外 50 種語言版本。

  7. 新浪科技32

    12位入選!2026亞洲青年科學家基金項目研究員亮相

    亞洲青年科學家基金(AYSF)2026年度會議在香港舉行,表彰12位新晉研究員,並展示他們在生命科學、物質科學及數學與計算機科學領域的科研成果。項目共收到149份有效申請,女性申請者佔比創新高,達20%,跨學科申報數量則翻倍。AYSF自2022年設立以來,已資助來自亞洲22家機構的48位青年學者。

  8. SiliconANGLE51

    Clipto 推出 Clipto Studio,讓 ChatGPT 和 Claude 搜尋及分析多年會議與視像通話

    Clipto 推出 AI 記憶平台 Clipto Studio,讓 ChatGPT、Claude 等助手搜尋及分析用戶多年來的會議、簡報和視像通話內容。平台透過 MCP 接入 AI 助手,並以在用戶 Mac 和 Windows 電腦本機運行的專有模型,預先索引語音、説話者聲音、面部表情及畫面資訊,整理成可搜尋數據集。

  9. Engadget61

    Google 詳述智能眼鏡的私隱保障措施

    Google 詳述其智能眼鏡的私隱保障措施,涵蓋裝置拍攝提示、Gemini 處理影像與聲音的方式,以及 Google 應用程式和服務的政策限制。相機畫面不會儲存在 Gemini 歷史記錄、用於 AI 訓練或廣告定向;眼鏡亦會在 Gemini 處理畫面前自動遮蔽旁觀者面孔。

  10. 第一財經36

    百度發布兩款文心應用模型

    百度發布文心閃電深度思考模型與文心一鏡微表情大模型。其他 AI 動態包括 Seedance 2.5 flash 影片模型生成速度翻倍、價格更低,以及 Claude API 新增調節 effort 的能力。Google 推出基於 Gemini Decision 1 模型的 Gemini Decisions API,用於快速多模態決策。

  11. 創業邦58

    一微科技上市,發行價9.9港元、募資淨額6.6億港元

    一微科技以每股9.9港元的發行價上市,募資淨額6.6億港元,收市市值為58億港元。一微科技由把SLAM演算法整合進掃地機械人專用晶片起步,現提供涵蓋機械人SoC、感應器、模組及演算法方案的產品體系。公司2025年收入4.07億元、虧損1.55億元,按當年收入計在智能移動機械人解決方案市場排名第三,份額為4.2%。

  12. LlamaIndex:產品、工程與評測63

    LlamaIndex 推出 ParseBench-2 文件解析基準

    LlamaIndex 推出 ParseBench-2 文件解析基準,以按錯誤嚴重程度校準的確定性指標,令評分更貼近人工判斷。資料集由 2.1k 擴至 4.3k 個案例,涵蓋文字、表格、格式、圖表、版面及表單六個維度,並納入 330 多種錯誤類型。資料集、評測程式碼及評分準則已公開;在 41 組配置中,LlamaParse Agentic Plus 以 89.8 分排名第一。