随着大模型（LLMs）的发展，AI 写作取得了较大进展。然而，现有的方法大多依赖检索知识增强生成（RAG）和角色扮演等技术，其在信息的深度挖掘方面仍存在不足，较难突破已有知识边界，导致生成的内容缺乏深度和原创性。

🙋魔搭ModelScope本期社区进展：新增3239个模型，711个数据集，192个创新应用， 16篇内容

本文介绍了操作系统智能助手OS Copilot的新功能测评。作为一名运维工程师，作者分享了安装过程中遇到的小问题及解决方法，并详细描述了使用体验。OS Copilot在回答速度、命令执行和任务处理方面表现一般，但提供了便捷的自动化操作，适合新手学习。作者指出其优点包括深度定制化、简化重复工作和对新手友好；不足之处在于回答不够流畅、汉化程度低且智能化水平有待提高。整体评分6分，未来有提升空间。

该项目强调利用阿里云计算有限公司的低代码开发平台和算力资源，开发创新性的教学案例，以支持机器学习和深度学习等前沿技术课程的教学和实验。项目部分成果纳入了即将出版的《深度学习实战案例》教材中，该教材由人民邮电出版社出版。

任务型对话系统旨在高效处理任务导向的对话，如何利用任务型对话系统准确、高效、合理地完成信息采集的工作一直是一项关键且具有挑战性的任务。

elastic-embedding-searcher 是一个基于 Elasticsearch 的向量搜索框架，简化了向量数据的存储和检索过程。通过结合 Elasticsearch 的分布式能力与向量表示，项目实现了高效、精准的相似度检索。支持多种流行的嵌入模型（如 BERT、Word2Vec），并能够处理大规模数据集。该项目适用于文本相似度检索、问答系统及多语言处理等场景，开发者可以轻松集成并实现高效的数据检索。

项目地址：https://github.com/skyterra/elastic-embedding-searcher。本项目利用Hugging Face模型生成文本的嵌入向量，并将其同步至Elasticsearch创建索引，支持通过余弦相似度进行高效的向量搜索，实现精准的内容检索与推荐功能。该项目为开发智能搜索应用提供了强大的后端支持。 （该简介有239个字符，包括标点和空格）

HART（Hybrid Autoregressive Transformer）是麻省理工学院推出的自回归视觉生成模型，能够直接生成1024×1024像素的高分辨率图像，质量媲美扩散模型。HART基于混合Tokenizer技术，显著提升了图像生成质量和计算效率，适用于数字艺术创作、游戏开发、电影和视频制作等多个领域。

随着大型语言模型（LLM）规模的不断扩大和应用场景的日益复杂，推理性能已成为制约模型实际部署和应用的关键因素。尽管大模型在各项任务上展现出了令人惊艳的能力，但其庞大的参数量和计算需求也带来了严峻的性能挑战。在资源受限的环境中，如何在保持模型效果的同时，最大化推理性能，成为了研究人员和工程师们亟待解决的核心问题。

Kubernetes 是当前 DevOps、云原生和 SRE 领域的关键技能。本文总结了 20 个高频面试问题，涵盖架构组件、工作原理及核心概念，助你轻松掌握 Kubernetes 基础，提升面试与实战能力。

9月1日，美团正式发布 LongCat-Flash-Chat，并同步开源。LongCat-Flash 采用创新性混合专家模型（Mixture-of-Experts, MoE）架构，总参数 560 B，激活参数 18.6B~31.3B（平均 27B），实现了计算效率与性能的双重优化。

🔥 这个夏天，开源热潮比气温更燃！Qwen3、GLM4.5、混元、Wan2.2、Qwen-Image等重磅模型密集发布，MoE、多模态、Agent、生图视频全爆发，ModelScope 全程 Day0 支持，生态持续进化中！

月之暗面发布开源模型Kimi K2，参数总量达1T，激活参数32B，基于MoE架构，具备强大的代码能力与通用Agent任务处理能力。在多项基准测试中取得SOTA成绩，并已开源。ModelScope与Kimi Playground集成，支持一键同步MCP服务，方便开发者使用。

近年来，大型语言模型（LLMs）发展迅速，比如 ChatGPT、Qwen、Claude、 Llama。这些模型最初的能力来自预训练规模的扩展(pre-training scaling)，即通过 “next-token prediction” 的任务，在海量语料上训练，从而获得通用能力。但是面对具体场景，由于场景任务目标不一定和通用能力匹配(比如对齐场景)，所以预训练模型表现会有一些不足。为了在预训练之后进一步优化大型语言模型，近年来的研究开始转向训练后和测试时的规模扩展，其中奖励模型起着关键作用。

2025年5月6日，智源研究院在法国巴黎举行的GOSIM全球开源创新论坛上发布大型开源文本数据集CCI 4.0，为全球的大模型创新发展再次提供重要的开源资源，并积极推动全球开源合作。

本项目是一款书法字体生成工具，采用 Next.js 14（App Router）与 Tailwind CSS 构建前端，阿里云 Serverless 部署后端。通过混合渲染策略（SSG/SSR/CSR）、Web Worker 异步计算及 CDN 字体分片加载优化性能。服务端借助阿里云函数计算处理计算密集型任务，将平均耗时从 1200ms 降至 280ms，支持 1000+ QPS。动态路由与 ARMS 监控提升工程化水平，未来计划引入 WebGPU 和 AI 字体风格迁移技术，进一步优化用户体验。

阶跃多模态再添一员：阶跃与 ACE Studio 联合开源音乐大模型 ACE-Step！

“一丹一世界”三等奖 | 灵犀共生 经验分享&浅谈AI对摄影的帮助

“一丹一世界”三等奖 | 绮影录 创作分享

最近Moonshot AI推出了 Kimi-VL，这是一个高效的开源混合专家（MoE）视觉-语言模型（VLM），它提供了先进的多模态推理、长上下文理解以及强大的代理能力——所有这些功能都只需激活其语言解码器中的2.8B参数（Kimi-VL-A3B）。

作为专业领先的出行和位置服务提供商，高德地图以数据准确率高、鲜度高著称。当前自动驾驶技术总是关注到矢量地图的构建，往往忽略了车道级驾驶规则的制作。对应图商而言，车道级的领航不仅需要有正确的车道级矢量表达，还要明确每条路的驾驶规则，保证引导的准确率。

由 AIRI 和 MIPT 等机构提出的这项工作，聚焦于视觉编码器生成的大量视觉 token 如何在保持高质量表征的同时减少计算成本。他们提出了一种自适应 token 削减方法，通过结合自编码器和 Gumbel-Softmax 选择机制，筛选出最具信息量的 token。实验表明，在 OCR 任务中可削减超 50% 的视觉上下文而不损失性能，为高效多模态推理开辟了新方向。