搜索
今天，他们自称发布了世界上最好的 OCR API，它能够将复杂的 PDF 文件转换为文本文件，以便 AI 模型处理。现在，所有大模型的输入端格式都是文本，或者规整的、容易识别的文本文件，但这个世界上，还有很多文件是粗糙的，不规整的，难以识别的，它需要依赖强大的 OCR 功能才能转换为文本。
当涉及到空间推理任务时，LLMs 的表现却显得力不从心。空间推理不仅要求模型理解复杂的空间关系，还需要结合地理数据和语义信息，生成准确的回答。为了突破这一瓶颈，研究人员推出了 Spatial Retrieval-Augmented Generation (Spatial-RAG)—— 一个革命性的框架，旨在增强 LLMs 在空间推理任务中的能力。
与3D物理环境交互、适应不同机器人形态并执行复杂任务的通用操作策略，一直是机器人领域的长期追求。
o1/DeepSeek-R1背后秘诀也能扩展到多模态了！
通过针对视觉的细分类、目标检测等任务设计对应的规则奖励，Visual-RFT 打破了 DeepSeek-R1 方法局限于文本、数学推理、代码等少数领域的认知，为视觉语言模型的训练开辟了全新路径！
AI 硬件——一个共识大于非共识的投资主题，尤其是 CES 之后。相比单纯的模型或者软件服务，硬件的确存在新的适合创业者发挥的空间和机会。
DeepSeek开源周，今日正式收官！内容依旧惊喜且重磅，直接公开了V3和R1训练推理过程中用到的文件系统。Fire-Flyer文件系统（简称3FS，第三个F代表File），一种利用现代SSD和RDMA网络的全部带宽的并行文件系统；
11年来首次重大更新，Alexa要打造终极智能家居体验？升级后的Alexa被叫做Alexa+，可以与用户自然对话，还能记住家庭不同成员的个人习惯提供个性化建议，完成制定旅行计划、提炼邮件重点等各种复杂的任务。彭博社知名记者马克·古尔曼将Alexa+称作“加强版的ChatGPT语音模式”，令人印象深刻。他还提到苹果在这个领域落后了很远。
第四天，DeepSee发布包括三个主要项目： DualPipe- 一种用于 V3/R1 训练的双向流水线并行算法，实现计算和通信完全重叠； EPLB(Expert Parallelism Load Balancer) - 专为 V3/R1 设计的专家并行负载均衡器； Profile-data- 分析 V3/R1 中计算与通信重叠的性能数据集。
按时整活！DeepSeek开源周第四天，直接痛快「1日3连发」，且全都围绕一个主题：优化并行策略。