跳到正文
11月4日週三
  1. 阿里雲開發者社區 AI29

    AI 英語教學軟件的開發與落地流程

    AI 英語教學軟件的開發與落地通常分為需求規劃、架構選型、功能開發、低延遲優化、測試評估及持續營運六個階段。方案結合 LLM、ASR/TTS、多模態技術與 RAG,並提出以 WebSocket 或 WebRTC 將語音對話響應延遲壓至 1 秒內。

  2. 雷鋒網72

    實測 Apple Intelligence Beta:千問 APP 成為 Siri 外援,可接力處理任務

    Apple Intelligence 隨最新 iOS 開發者 Beta 版開放測試,用戶可在 Siri、寫作工具及視覺智能中調用千問能力。可調用的能力包括文字與圖像理解、內容生成。記者實測發現,iPhone 可進行基礎問答、圖文分析及內容生成;進一步需求可點擊後跳轉至千問 APP,對話資訊會自動同步。

  3. DEV Community29

    Amblyotube 如何以 VR 視覺訓練改善雙眼協調

    Amblyotube 是 Seven Sports 為 Meta Quest 開發的娛樂及教育軟件,透過 VR 練習視覺協調和注意力,讓雙眼接收不同的視覺體驗。用戶可調整患眼及嚴重程度,並使用逐眼後期處理、遮擋和融合標記;它是輔助訓練工具,不是診斷工具。

  4. 新浪科技35

    橢圓時空發佈天地一體化太空智能體平台

    橢圓時空正式發佈太空智能體平台 AethraZTM1.0,打通衞星、地面平台與現場終端,支援需求理解、任務規劃及協同執行。平台依託由112顆單星組成的「星池計劃」低軌衞星星座,星座分四階段建設,各階段廣域資訊服務響應時間約為3.6小時、26分鐘、15分鐘和8.8分鐘。地面平台可部署於客戶機房,並接入多行業算法與模型。

  5. 阿里雲開發者社區 AI19

    2026 年 CAD AI 圖元與圖例識別:技術演進與系統構建

    CAD AI 圖元與圖例識別融合多模態視覺大模型(VLM)及三維幾何深度學習,用於圖紙審核、工程算量、數字化轉錄及 BIM 逆向建模。系統結合矢量解析、柵格向量化、語義分割、拓撲重建與人機協同校核,工業級應用通常要求準確率達到 99% 以上。大型圖紙可透過分塊並行流式處理與 R-Tree 加速。

  6. DoNews76

    iPhone 中國大陸版 Apple 智能首批功能與測試情況一覽

    iPhone 中國大陸版 Apple 智能已向中國大陸用戶開放開發者 Beta 版測試,首批功能涵蓋寫作工具、視覺智能、照片消除、智繪表情、錄音及通話摘要,以及 Siri 更新。

    推薦理由:文章按場景整理中國大陸版 Apple 智能的首批功能,並記錄 iPhone 16 Pro 測試時的閃退與發熱情況,呈現 Beta 版的實際使用狀況。

  7. IT之家37

    蘋果 iPadOS 27.3 首個開發者預覽版為相機 app 新增 Siri 入口,讓視覺智能觸手可及

    蘋果在 iPadOS 27.3 Beta 1 為部分 iPad 的相機 app 新增 Siri 標籤頁入口,方便用戶透過視覺智能識別植物、地標和商品,或翻譯畫面文字。功能適用於搭載 M1 及更新芯片的 iPad Pro 和 iPad Air,以及搭載 A17 Pro、A20 Pro 芯片的 iPad mini;視覺智能此前已可在 iPad 使用。iPadOS 27.3 正式版預計於 12 月發布。

  8. IT之家73

    Apple 智能首批功能隨 iOS 27.3 開發者預覽版登陸國行 iPhone,AirPods 加入即時翻譯

    Apple 向 iPhone 推送首個 iOS 27.3 開發者預覽版,為國行用戶帶來「Apple 智能與 Siri」及首批功能。功能包括 Siri 呼出燈效、訊息、FaceTime 通話和電話 App 的即時翻譯、寫作工具、視覺智能、相片消除工具、智繪表情及通知摘要;「千問」擴展則可協助撰寫文本、生成圖像和回答問題。

  9. DEV Community26

    Trump 與 MAGA:他的政治運動為何分裂

    原標題聚焦 Trump 與 MAGA 運動的分裂,但正文主要介紹 Seven Sports 的 Amblyotube:這款 Meta Quest 應用程式把 YouTube 影片轉化為互動式雙眼視覺訓練。應用程式提供 LogMAR 視力測試、主導眼遮蔽及弱視眼影像鋭化等功能,面向 13 歲或以上用戶。

  10. DEV Community22

    AI 工具與 B2B SaaS 的取證影片拆解

    工程團隊正以 AI 驅動的取證影片拆解流程,逐格審核軟件示範影片,將畫面轉化為可驗證的執行資料。流程結合光流分析、延遲剖析及 OCR,偵測剪接、加速播放和控制台錯誤。多模態 LLM 會比對終端記錄與音訊轉錄,標示陳述與實際畫面不符之處。

  11. IT之家75

    國行 Apple 智能與 Siri 隨 iOS 27.3 開發者預覽版上線,iPhone 15 Pro 及更新機型可用

    國行 Apple 智能與 Siri 已在 iOS 27.3 開發者預覽版開放使用,iPhone 15 Pro 及更新機型支援。用戶可在 Siri、寫作工具和視覺智能中調用千問,涵蓋文字與圖像理解,毋須跳轉至獨立應用程式。首批功能包括即時翻譯、寫作改寫與校對、視覺智能識別周邊物件和場所,以及照片 App 的消除工具。

  12. DEV Community35

    在 hackCBS 9.0 打造 MedEasy:應對印度醫療資訊不對稱

    團隊在 hackCBS 9.0 開發 MedEasy,以改善印度醫療資訊不對稱,提供藥價比較與臨牀安全核查。平台支援英語和印地語,可比較品牌藥、PMBJP 和 Dava India 仿製藥價格,並核查 260+ CDSCO NSQ 藥物回收通知。MedEasy 使用 Gemini 2.5 Flash 處理處方辨識及雙語對話,藥價比較顯示的折扣最高可達 90%。

  13. HuggingFace Daily Papers(社區熱門論文)46

    Micius-Flash:面向工程的輕量級智能體智能

    Micius-Flash 是一款面向工程的 27B 參數多模態推理模型,採用知識樹數據流程及多教師在線策略蒸餾訓練,支援 256K-token 上下文。在超過 20 個數據集、約 15K 筆記錄上,其硬件程式碼基準平均得分為 64.2%,較同規模基線高 15.0 個百分點;半導體智能體基準得分為 62.4%,高 17.2 個百分點。

  14. HuggingFace Daily Papers(社區熱門論文)48

    面向 MoE 多模態大型語言模型的模態感知專家剪枝

    MAEP 是一種免訓練的模態感知專家剪枝框架,按模態拆分專家重要性,以壓縮 MoE 多模態大型語言模型。實驗顯示,MAEP 在多數多模態基準上優於不區分模態的基線,文字任務表現亦具競爭力。它減少約 27 GB 的 BF16 專家權重,令約 58 GB 模型的完整權重可容納於單張 40 GB GPU。

  15. HuggingFace Daily Papers(社區熱門論文)57

    研究發現視覺語言模型可透過無關視覺任務傳遞隱藏偏好

    研究發現,視覺語言模型可透過與偏好無關的視覺任務,把教師模型的隱藏偏好傳給學生模型。研究涵蓋參數量由 2B 至 7B 的模型,在動物偏好任務中,學生模型選擇目標的比例最高比對照組高約 10 個百分點。即使模型選擇相同圖像,受偏好教師影響的學生模型,其解釋亦會使用更多與教師相同的詞語和短語。

  16. AWS Machine Learning Blog52

    Amazon Bedrock 為 Kimi K3 支援印度境內推理

    Amazon Bedrock 現已支援 Kimi K3 在印度境內推理,透過 in.moonshotai.kimi-k3 inference profile,推理處理會留在 Mumbai 和 Hyderabad 區域內,以符合嚴格的資料駐留要求。文章提供 Python 範例,示範讀取印地語電費單、抽取結構化資料,並以 Hinglish 回答後續問題;亦説明跨區推理選項、權限設定及提示詞快取。

11月3日週二
  1. HuggingFace Daily Papers(社區熱門論文)51

    DR Pixel:以視覺語言模型對文件頁面進行深度研究

    DR Pixel 是一個開源多模態智能體,直接以渲染後的文件頁面圖像作為檢索與推理單位,並在包含 1.06M 頁的語料庫上運作。研究建立 DRPixelBench;未經訓練的頁面原生方法已在 GPT-5.4、Gemini-3.5-Flash 和 Qwen3.6-27B 等模型上勝過 OCR 基線,且所需工具呼叫較少。

  2. 新浪科技42

    用 AI 教 AI 開車!百度 Apollo World 世界模型亮相

    百度 Apollo 首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World,並提出世界模型「2+3」判斷標準。Apollo World 已用於蘿蔔快跑全球化測試與驗證,可生成虛擬駕駛場景,讓無人車反覆演練並形成測試閉環。蘿蔔快跑已覆蓋全球 28 個城市,累計自動駕駛里程超 3.5 億公里,其中全無人駕駛里程超 2.4 億公里。

  3. Hacker News 熱門(buzzing.cc 中文翻譯)72

    Claude Opus 5.5 在專業指導下可為簡單住宅繪製達建築許可申請水平的施工圖

    建築師測試 13 款新舊 AI 模型後,認為 Claude Opus 5.5(2026 年 9 月 22 日推出)在專業指導下最能從草圖製作簡單住宅施工圖,達到申請建築許可的質素。模型沒有使用現有 CAD 軟件,而是以 Python 產生向量線稿;Claude Opus 5.5 完成住宅圖紙耗時 12 小時,運算成本為數百美元。但圖紙仍有錯誤,例如缺少第二條逃生通道,歷史建築細節圖亦有細微錯誤。

  4. 新浪科技39

    用 AI 教 AI 開車,百度 Apollo World 世界模型亮相

    百度 Apollo 首次披露面向物理 AI 的智能體驅動全模態世界模型 Apollo World,並提出世界模型「2+3」判斷標準。Apollo World 可生成相機畫面、激光雷達點雲等觀測數據,並讓無人車在虛擬城市完成連續出行任務,形成感知、決策、行動與反饋的閉環。該模型目前用於蘿蔔快跑全球化測試與驗證;蘿蔔快跑已覆蓋全球 28 個城市,累計自動駕駛里程超 3.5 億公里。

  5. 第一財經31

    百度 Apollo World 世界模型亮相

    百度首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World。同組資訊亦提及福建首個跨域異構調度全服務詞元工廠上線、商湯推出日日新 SenseNova 6.8 Flash 正式版,以及 Seedance 海外收入半年近 5 倍增長。

  6. IT之家43

    用 AI 教 AI 開車:百度 Apollo World 世界模型亮相

    百度 Apollo 首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World,並提出世界模型「2+3」判斷標準。該標準涵蓋因果性、交互性,以及物理準確性、持久性和實時性。Apollo World 已用於蘿蔔快跑全球化測試與驗證;蘿蔔快跑已覆蓋全球 28 個城市,累計自動駕駛里程超 3.5 億公里。

  7. 新浪科技20

    NuwaAI 聚焦 AI 互動秀,以品牌定製連結活動內容與現場參與

    邦彥技術股份有限公司旗下品牌 NuwaAI 以 AI 互動秀為核心,為品牌活動、文旅體驗及商業空間提供由內容策劃至現場執行的服務。服務涵蓋角色定製、知識配置、節目策劃、互動設計及項目交付,並按場景配置 AI 舞台、門店、展陳、文博及屏媒互動秀。項目可支援單次活動及常駐營運。