MinerU-Diffusion：OCR的新路径
MinerU-Diffusion将OCR重新定义为逆向渲染，并使用块级掩码扩散在视觉条件下并行精炼token，具有可调的速度-精度权衡。原因如下:速度问题: 文档，特别是充满表格、公式和复杂布局的长文档，需要生成大量token。
上海人工智能实验室首创扩散解码技术
当我们阅读一页文档时，眼睛并不是像打字机那样从左到右逐字逐句地扫描，而是同时捕捉整个页面的信息，快速理解其中的表格、公式和文字。
26页！华科大清华最新综述：RL驱动扩散模型从生成走向决策
智猩猩AI整理编辑：六六扩散模型已经成为图像、视频和多模态内容生成的重要技术路线，但传统训练方式主要依靠拟合训练数据，典型目标是最小化噪声预测误差或其他重建相关损失。这种方式能够帮助模型学习数据分布，却难以直接针对人的偏好、复杂任务要求进行优化。
4个最强本地OCR模型实测对比
它们是GPL-3.0或AGPL-3.0，这意味着一旦你将它们集成到产品中，你的整个代码库就受到copyleft义务的约束。
新国立x可灵AI提出DiffusionART：让视频后训练提速10倍以上
在 HunyuanVideo-13B 的视觉质量和运动质量实验中，DiffusionART 达到 DiffusionNFT 和 Flow-GRPO-Fast 后期平均奖励水平的速度分别快 12.02 倍和 11.72 倍。
AI简历诊断效率提升4-5倍：核心技术如何实现
去年秋招，一位普通大学生向心仪的公司海投了30份简历，结果石沉大海。直到他用了学校的AI简历诊断工具，按照提示修改了关键词和格式，一周内就收到了5个面试邀请[中国青年报]。这背后，是一套由三大技术模块构成的AI系统，正在悄无声息地重构招聘的初筛环节。
我们让蒸馏模型当了采样器，Diffusion RL采样成本降低一个数量级
训练效率上，GenEval 任务从 DiffusionNFT 的 480 GPU hours 降到 360 GPU hours，VBench 任务从约 900 小时降到约 288 小时。
DiffusionOPD：复旦联合通义万相提出扩散模型在线策略蒸馏新范式
论⽂标题:DiffusionOPD: A Unified Perspective of On-Policy Distillation in Diffusion Models。联合多任务 RL :使用现有的 RL 算法例如 DiffusionNFT， GRPO 去联合优化多个任务。
完全免费，不用联网，这套OCR工具比微信的还好用
前段时间，微信 PC 端更新了一个 OCR 功能，能识别图片里的文字。除了功能实用，另一方面，微信早已成了电脑上必装软件，微信截图也是很多人默认截图工具。