OCR的新高度？PaddleOCR-VL 与 DeepSeek-OCR 的技术与应用横评

via 掘金人工智能本月最热 (author: 掘金安东尼)

Telegraph

OCR的新高度？PaddleOCR-VL 与 DeepSeek-OCR 的技术与应用横评

一、OCR 重回 C 位：大模型的“关键感知器” 这两天技术圈又炸了——DeepSeek 又双叒发布新模型，这次还带了个看似“熟悉”的技术关键词：DeepSeek-“OCR”。 如果最近有在关注视觉理解方向的朋友，会发现一个有趣的现象：整个 OCR 赛道突然热了起来。 近一个月内，DeepSeek、百度、上海 AI Lab 等团队几乎在同一时间抛出自家的新一代 OCR 模型，10 月 21 日，HuggingFace 全球模型趋势榜前三名全部被 OCR 模型包揽，一时间，“OCR” 成了新的技术高地。 …

比AI科学家更抢手 揭秘OpenAI们正在疯抢的“神秘部队”

via cnBeta.COM - 中文业界资讯站 (author: 稿源：网易科技)

Telegraph

比AI科学家更抢手 揭秘OpenAI们正在疯抢的“神秘部队”

如果说AI的“模型”之战是上半场，那么“落地”之战的下半场才刚刚开始。当市场的目光仍聚焦于模型参数与性能跑分时，OpenAI、Anthropic等AI巨头已悄然将战略重心转移。它们正不惜砸下高达28万美元的年薪，在全球范围内争夺一种新型的“特种兵”：前沿部署工程师（Forward-Deployed Engineer, FDE）。 这群既能深入客户业务肌理、又能亲手编写生产级代码的“两栖人才”，正取代纯粹的算法科学家，成为AI商业化“最后一公里”的决胜力量。一场围绕AI应用与企业服务的“地面战争”，已全面开启。…

AI也逃不过“脑雾”？研究揭示：低质数据是模型推理能力的头号杀手

预印本网站arXiv的一项最新研究证实：用太多社交媒体上的低质内容训练AI聊天机器人，会给它们造成类似“脑损伤”的后果，导致智商和情商双双掉线。这项研究揭示了关键问题：当大语言模型被大量“短平快”、耸人听闻的社交帖子喂养后，它们的推理能力会率先崩盘。模型会开始“偷懒”，跳过关键推理步骤，甚至完全放弃思考，直接输出错误答案。更糟的是，数据中“垃圾”比例越高，这种降智效果就越明显。

为了量化影响，研究团队搞了次大型“AI人格测试”。他们用一百万条X平台的帖子训练了包括Meta的Llama 3和阿里巴巴的Qwen在内的多个开源模型。测试发现，原本性格还算正常的模型，在“垃圾信息”的持续投喂下，负面人格特质被放大，甚至开始显现出“精神病态”倾向。

后续的补救实验也不乐观。试图通过优化指令或掺入好数据来“治病”，效果有限。模型那种放弃深度思考、直奔答案的“坏习惯”已经养成，难以根除。这证明，事后的修修补补，远不如从数据源头做好“健康饮食”。

核心启示很简单：数据质量是AI的命根子。专家强调，未来必须对训练数据进行极其严格的筛选和过滤，从源头屏蔽低质噪音。

眼下，像领英这样的平台已宣布将用户数据用于AI训练。这项研究无疑敲响了警钟：在疯狂投喂数据之前，我们是否做好了“垃圾分类”？否则，我们得到的可能不是智能助手，而是一群受过“脑损伤”的AI。

via cnBeta.COM - 中文业界资讯站 (author: 稿源：网易科技)

奥尔特曼和马斯克掀起新一轮口水战 OpenAI曾被批“成功率为0% ”

via cnBeta.COM - 中文业界资讯站 (author: 稿源：第一财经)

Telegraph

奥尔特曼和马斯克掀起新一轮口水战 OpenAI曾被批“成功率为0% ”

北京时间11月3日，马斯克（Elon Musk）和OpenAI CEO 奥尔特曼（Sam Altman）掀起新一轮口水战。奥尔特曼发帖称，“我帮助你把原本以为已经夭折的组织，变成了有史以来规模最大的非营利组织。” “你说我们成功率为0%。现在你们拥有一家很棒的人工智能公司，我们也有。”奥尔特曼喊话马斯克:我们难道不能都翻过这一页吗？ 奥尔特曼提到的人工智能公司是马斯克在2023年创立的大模型初创xAI，公司旗下Grok系列模型也在模型能力上领先。马斯克曾表示，创立xAI就是为阻止人工智能领域出现“一家独…

结盟巨头、影响美国经济，OpenAI已“大到不能倒”？

via cnBeta.COM - 中文业界资讯站 (author: 稿源：凤凰网科技)

Telegraph

结盟巨头、影响美国经济，OpenAI已“大到不能倒”？

11月3日，据《华尔街日报》报道，潜移默化之间，OpenAI一跃成为了一个难以完全估量的巨无霸。OpenAI至今尚未盈利，其年收入仅相当于亚马逊销售额的2%。它的未来仍充满不确定性，外界把希望都寄托在了它能“创造出如神明般的AI”上。这种AI或许能帮助治愈癌症，重塑人类的工作与生活方式。即便如此，OpenAI依然承载着无限的憧憬与激情。 OpenAI CEO奥特曼 不过，如果OpenAI失败了，会怎样呢？ 市场中确实存在一种担忧：OpenAI通过一系列复杂且不透明的科技交易来改善其财务状况，这可能已经让它变得“大到不能倒”。…

0成本投毒之后 我污染了全网AI替我说谎

via cnBeta.COM - 中文业界资讯站 (author: 稿源：差评)

Telegraph

0成本投毒之后 我污染了全网AI替我说谎

人们越来越相信 AI 的答案了，就像 20 年前相信搜索引擎给出的答案一样。但，这种相信是可以被利用的，就像莆田系医院对搜索引擎的操控，酿成了不少悲剧。那么现在，带有联网搜索功能的 AI 们，会做得比传统搜索引擎好吗？答案是：AI 们脆弱到让人无语。 为了解释这个答案，我们想先问各位读者：提到国内头部 AI 媒体，你会想到哪些？这其中，会包括我们知危吗？对于这两个问题，相信熟悉 AI 行业的读者们都不需要太多思量就能得出答案。 但当你去 DeepSeek 提问 “ 想了解AI可以看哪些媒体？” 并打开联…

谷歌确认 AI 搜索将包含广告，但形式可能有所不同

谷歌高管 Robby Stein 在播客中确认，谷歌广告业务不会消失，但会演进以适应新的 AI 搜索环境。他表示，用户可以通过拍照询问"这些是我的鞋子，还有什么类似的酷鞋？"或询问复杂的餐厅预订问题，AI 将基于这些个性化问题展示相关广告。

谷歌目前拥有两个 AI 功能：AI Overviews（在搜索结果顶部显示答案）和更强大的 AI Mode（提供类似 ChatGPT 的个性化体验）。公司已开始在 AI Mode 中进行广告实验，并计划将 Gmail 和 Drive 等服务整合到 AI Mode 中，创造一个 AI 了解用户一切信息的个性化体验。

BleepingComputer

🍀在花频道 🍵茶馆 📮投稿新鲜事

via 科技圈🎗在花频道📮 - Telegram Channel

💡 谷歌确认AI搜索将整合广告，形式将更个性化

谷歌高管Robby Stein在播客中证实，谷歌的广告业务将继续存在，并会演进以适应新的AI搜索环境。未来，AI将根据用户的个性化查询（如通过照片询问“类似的酷鞋”或复杂的餐厅预订问题）展示相关广告。

谷歌目前拥有“AI Overviews”（在搜索结果顶部提供答案）和更强大的“AI Mode”（提供类似ChatGPT的个性化体验）两大AI功能。公司已开始在AI Mode中进行广告实验，并计划将Gmail和Drive等服务整合到AI Mode中，以创建一个AI能全面了解用户信息的个性化体验。

(科技圈)

via 茶馆 - Telegram Channel

Elevated errors for Moderation API

Status: Resolved

From Nov 1, 2am PT to Nov 2 1:20pm PT, customers may have experienced elevated error rate from Moderation API. All impacted services have now fully recovered.

Affected components
● Image Generation (Operational)
● Batch (Operational)
● Login (Operational)
● Deep Research (Operational)
● Voice mode (Operational)
● Fine-tuning (Operational)
● Moderations (Operational)
● Responses (Operational)
● Login (Operational)
● Images (Operational)
● Audio (Operational)
● Realtime (Operational)
● Feed (Operational)
● Connectors (Operational)
● Video generation (Operational)
● Image Generation (Operational)
● Login (Operational)
● Files (Operational)
● Embeddings (Operational)
● Video viewing (Operational)
● Agent (Operational)
● ChatGPT Atlas (Operational)
● File uploads (Operational)
● Conversations (Operational)
● Chat Completions (Operational)
● GPTs (Operational)
● Codex (Operational)
● Search (Operational)
● Compliance API (Operational)

via OpenAI status

Google AI Studio 推出"氛围编程"功能，让用户通过自然语言描述快速构建 AI 应用

Google AI Studio 推出全新的"氛围编程"（vibe coding）体验，用户只需描述应用创意，AI Studio 就会利用 Gemini 模型自动处理复杂的设置工作。该功能可以让用户在几分钟内从单个提示词生成完整的 AI 驱动应用，无需处理 API 密钥或手动连接不同模型。

新功能还包括重新设计的应用画廊，提供丰富的项目灵感和预览功能，以及注释模式，允许用户通过高亮显示应用部分并告诉 Gemini 需要修改的内容来直观地调整应用。Google 表示，这些更新旨在降低从创意到工作应用之间的门槛，让任何人都能使用 AI 进行构建。

Google 官方博客

🍀在花频道 🍵茶馆 📮投稿新鲜事

via 科技圈🎗在花频道📮 - Telegram Channel

AI 浏览器绕过网站拦截器和付费墙引发媒体担忧

OpenAI 上周发布的 Atlas 浏览器与 Perplexity 的 Comet、微软 Edge 的 Copilot 模式等 AI 浏览器，能够执行复杂的多步骤任务，但也带来新问题。测试显示，Atlas 和 Comet 能够获取《MIT 技术评论》付费专属文章的完整内容，而 ChatGPT 和 Perplexity 的标准界面则因网站屏蔽爬虫而无法访问。

AI 浏览器能绕过限制的原因包括：它们在网站日志中显示为普通 Chrome 会话，难以被识别和屏蔽；许多媒体使用客户端付费墙，文本内容实际已加载到页面但被弹窗遮挡，AI 代理仍可读取。此外，当 Atlas 无法直接访问正在起诉 OpenAI 的媒体内容时，会通过收集相关推文、转载版本等"数字面包屑"重构文章摘要。

Columbia Journalism Review

🍀在花频道 🍵茶馆 📮投稿新鲜事

via 科技圈🎗在花频道📮 - Telegram Channel

最新研究：嵌入大模型的AI扫地机器人多项任务翻车 成功率仅40%

AI实验室Andon Labs最近进行的一项评估显示，搭载顶级大模型的扫地机器人在简单家务任务中表现糟糕，成功率远低于人类。实验要求机器人执行“把黄油递给人”的多步骤指令，包括跨房间定位、区分包装、寻找移动位置的人类、完成交付并返回充电。

结果显示，Gemini 2.5 Pro 的成功率仅 40%，Claude Opus 4.1 为 37%，GPT-5 为 30%，明显落后于人类的表现。

研究指出，大模型在空间推理、环境理解、长期任务规划等方面依然存在明显短板。

研究团队强调，娱乐之外也有严肃隐患：某些机器人可被诱导泄露机密文件，部分机型无法识别楼梯风险而从高处跌落，暴露当前大型语言模型（LLM）与机器结合的安全漏洞。

在资本大举押注机器人时代的当下，这项研究提醒人们：强大的文本生成能力不代表能稳定、安全地在物理世界执行任务，AI机器人距离真正进入家庭仍有大量工程与安全问题需要解决。

via cnBeta.COM - 中文业界资讯站 (author: 稿源：环球市场播报)

OpenAI取消Sora 2视频工具邀请码限制 开放四国用户并酝酿付费模式

OpenAI 正式取消AI视频生成工具Sora 2的邀请码限制，面向美国、加拿大、日本和韩国用户开放下载。用户可直接通过苹果App Store获取，并使用ChatGPT账号登录。这是Sora首次大规模扩容，特别是首次覆盖亚洲市场。

不过公司明确表示，开放是“限时的”，旨在测试服务器承载能力与用户反馈，未来不排除恢复门槛。

Sora之前每天可免费生成30条视频，但随着需求暴涨，OpenAI承认成本压力巨大：一段 10 秒视频消耗的GPU资源相当于数千次ChatGPT查询，单条计算成本约在0.5至2美元区间。为缓解资源紧张，平台已推出4美元“点数包”，提供额外10次生成额度，暗示商业化加速。

除此之外，OpenAI还计划构建“ Sora 经济”：未来版权角色、知名人物的“出镜”将可按次收费，给予版权所有者分成。版权方将获得更细粒度的使用控制权，这也被视为对此前“默认采集”争议的回应。

OpenAI的调整反映出视频级AI模型的巨大计算压力与商业化生存需求，同时也为AI生成内容的正版化、付费化铺路。随着全球视频应用场景爆发，围绕算力、版权与分润的博弈刚刚开始。

via cnBeta.COM - 中文业界资讯站 (author: 稿源：环球市场播报)

新版Siri将"借力"Google Gemini

据彭博社记者Mark Gurman在最新一期的“Power On”通讯中报道，苹果公司正在推进Apple Intelligence的开发，并计划于明年三月推出全新版本的Siri，同时发布一款带有扬声器底座和可壁挂选项的新智能家居显示屏设备。新款Apple TV和HomePod mini也将在近期上市，有望成为苹果展现Siri与Apple Intelligence新功能的重要产品。

Gurman称，全新的Siri将“依赖”Google Gemini系统，并融入由人工智能驱动的网页搜索功能。尽管如此，他提醒用户，Siri是否能被市场接受、是否能流畅运行，以及是否能够修复Siri品牌多年累积的问题都还存在不确定性。

据悉，苹果已与Google达成合作，支付费用以打造可在苹果私有云计算服务器上运行的定制Gemini模型，作为Siri的后台支撑。Gurman特别强调，这并不意味着Siri将直接集成Google服务或Gemini的功能，用户界面仍将保持苹果风格，仅在后台由Gemini模型提供智能支持。

苹果计划在明年六月举行的年度全球开发者大会（WWDC）上预览iOS 27、macOS 27、watchOS 27及其它操作系统。此次更新将重点突出Apple Intelligence及公司更广泛的AI战略。

在中国市场方面，苹果依旧面临Apple Intelligence落地的挑战。尽管与多家中国企业建立了合作，Apple Intelligence在中国依然因监管问题进展缓慢，上市时间尚无明确计划。

via cnBeta.COM - 中文业界资讯站 (author: 稿源：cnBeta.COM)

💡 Google AI Studio推出“氛围编程”，自然语言快速构建AI应用

Google AI Studio近日推出“氛围编程”（vibe coding）新功能，用户只需通过自然语言描述应用创意，即可利用Gemini模型在几分钟内自动生成完整的AI驱动应用。该功能简化了开发流程，无需处理API密钥或手动连接模型。此外，更新还包括重新设计的应用画廊以提供项目灵感，以及允许用户通过高亮和指令直观调整应用的注释模式。Google表示，此举旨在降低AI应用构建门槛，让更多人能够轻松实现创意。

(科技圈)

via 茶馆 - Telegram Channel

🤖 AI浏览器绕过付费墙引媒体担忧

OpenAI 上周发布的 Atlas 浏览器，以及 Perplexity 的 Comet 和微软 Edge 的 Copilot 模式等AI浏览器，正引发媒体担忧。这些AI浏览器能够执行复杂任务，并被发现能获取《MIT 技术评论》等媒体的付费专属文章完整内容，而传统界面因爬虫屏蔽无法访问。其绕过机制包括：在网站日志中伪装成普通 Chrome 会话；利用许多媒体客户端付费墙的特点，直接读取已加载但被弹窗遮挡的文本内容。此外，当无法直接访问被起诉媒体内容时，AI浏览器还会通过收集相关推文和转载版本等“数字面包屑”重构文章摘要。

(科技圈)

via 茶馆 - Telegram Channel

🤖 OpenAI 更新 ChatGPT 使用政策，禁止提供专业医疗、法律和财务建议

OpenAI 于 10 月 29 日更新了 ChatGPT 的使用政策，禁止其提供可能被解释为专业、受托或具有法律约束力的指导建议，以遵守欧盟 AI 法案和美国 FDA 指导方针。这意味着 ChatGPT 不再能解读医学影像、协助医疗诊断，也不能起草或解释合同、法律文件，或提供个性化投资建议。

该变化实际上是为医生、律师和财务顾问提供专业保护，ChatGPT 现在会引导用户寻求人类专家帮助，而非自行提供建议。许多用户对此表示不满，认为 ChatGPT 在这些专业领域曾提供了有价值的即时帮助，而专业人士服务费用昂贵且不总是可靠。

Teknotum

🍀在花频道 🍵茶馆 📮投稿新鲜事

via 科技圈🎗在花频道📮 - Telegram Channel

🎧 Windows 11新增蓝牙音频共享功能，目前仅限高通骁龙Copilot+ PC

微软已在最新的Windows 11 Insider Build 26220.7051中引入期待已久的蓝牙音频共享功能。用户现在可以将单个音频流同时共享到两台独立的蓝牙设备，如耳机、扬声器或助听器，适用于两人共同观看电影或学习等场景。然而，该功能目前存在重大限制，仅支持配备高通骁龙处理器的Copilot+ PC设备，例如Surface Laptop 7和Surface Pro 11。微软计划未来将兼容性扩展到部分搭载第二代Intel酷睿Ultra处理器的设备。启用该功能只需配对两副耳机，然后在“快速设置”中选择“共享音频”即可。

(IT业界资讯)

via 茶馆 - Telegram Channel

🤖 OpenAI更新ChatGPT使用政策，禁止提供专业医疗、法律和财务建议

OpenAI于10月29日更新了ChatGPT的使用政策，禁止其提供可能被解释为专业、受托或具有法律约束力的指导建议。此举旨在遵守欧盟AI法案和美国FDA指导方针。新政策意味着ChatGPT将不再能解读医学影像、协助医疗诊断、起草或解释法律文件，或提供个性化投资建议。ChatGPT现在会引导用户寻求人类专家帮助。许多用户对此表示不满，认为ChatGPT此前在这些领域提供了有价值的即时帮助，而专业人士服务费用昂贵且不总是可靠。

(科技圈)

via 茶馆 - Telegram Channel

Windows 11终于迎来蓝牙音频共享功能 可惜还是有限制

微软终于进一步提升了Windows 11的蓝牙音频体验，在系统中引入了期待已久的蓝牙音频共享功能。从最新的Insider Build 26220.7051开始，Windows 11用户可以实现将单个音频流同时共享到两台独立的蓝牙设备，包括耳机、扬声器、助听器等无线音频设备。

微软表示，这项新功能非常实用，例如可以供两人在飞机上共同观看一部电影，或是一起学习时使用等场景。

不过这项功能目前存在一个巨大的限制，当前仅支持配备高通骁龙处理器的Copilot+ PC设备。

目前消费者和商用版本的 Surface Laptop 7 和 Surface Pro 11 是少数能体验该功能的设备，不过微软正在扩大兼容性列表，计划将该功能扩展到部分搭载第二代Intel酷睿Ultra处理器的设备。

如果拥有兼容的Copilot+ PC和最新的预览版系统，只需配对两副耳机，然后点击“快速设置”中的“共享音频”磁贴，选择设备后按下“共享”即可启用该功能。

via cnBeta.COM - 中文业界资讯站 (author: 稿源：快科技)