把 8300 万个报纸版面单元变成可查询对象
该管线首创“crop-first”范式，将历史报纸页图切分为结构化单元，每个crop附带OCR文本、类型、语言、实体、主题、阅读顺序及向量，支持精准过滤、重建与审计，大幅提升数字人文研究可用性。（239字）
ArmorOCR：模型读出了隐藏文字，但它知道自己在读哪里吗？
ArmorOCR提出“接地式对抗视觉感知”，首创AdvSpot基准，要求模型同步定位文本区域并准确识别内容。通过两阶段训练（特权观察自蒸馏+组内强化学习），将8B模型AdvSpot准确率从31.2%提升至55.7%，推动对抗OCR从“能否读出”迈向“能否证真”。
DocMemo：让长文档 RAG 学会带记忆地翻页
DocMemo提出“读-记-更新-再找”循环机制，通过三层记忆（文档结构、页面信念、问题轨迹）显式建模检索状态，用Beta分布与Thompson采样动态更新页面相关性，在长文档RAG中显著提升证据召回率与准确率。
实战：针对幼犬/老犬鼻纹变化的动态特征提取模型优化
在应用宠物犬只鼻纹识别算法时，会面对幼犬和老犬这两个特殊群体，这时我们遇到了经典假设的挑战：鼻纹特征并非完全静态，而是在生命周期中经历着“定型-稳定-退化”的动态过程。当生物特征会“成长”与“衰老”，如何让AI模型具备“时间感知”能力，实现全生命周期精准识别呢？本文以快瞳科技宠物犬只鼻纹识别算法为例，从核心痛点、技术框架、优化案例、技术建议等四个层面详细拆解“如何解决犬种鼻纹动态变化对识别算法的挑战”，帮忙开发人员快速掌握模型优化的核心逻辑，落地相关技术方案。若有不足之处，欢迎大家指正。
DEC：别急着重训，先让表格解析器再检查一遍
这篇论文直击文档解析痛点：高分OCR在真实复杂表格中仍频出错。作者构建TableParseMap诊断基准，提出DEC框架——不重训模型，而是通过分解、增强、修正三步外挂式修复，为冻结/闭源解析器提供工程化补丁方案。（239字）
