1638289050099079_个人页

2026年08月

• 08.07 17:46:23
  发表了文章 2026-08-07 17:46:23

  Qwen3.6-Fable-Fusion-711：209万下载是真的，「首个开源破700」得另说

  HuggingFace 和本地 LLM 圈被一个名字长得像密码的模型刷屏——Qwen3.6-27B-Fable-Fusion-711-…-GGUF，12 天下载量从 55 万飙到 209 万。它是社区开发者 DavidAU 在阿里 Qwen3.6-27B 上做「多阶段微调 + 模型融合 + 去审查」后以 GGUF 量化打包发布，能在本地显卡直接跑。最抓眼的「首个开源突破 700 ARC-C」目前只有作者一方说法：媒体都转自同一导流站、评测框架都没交代，唯一相对独立的行业媒体标了 unverified。当热门的去审查开源模型看成立，当「开源追上闭源」看还早。
• 08.05 18:01:00
  发表了文章 2026-08-05 18:01:00

  SwanTale：字节把声音克隆和「自然语言导演」塞进了同一个模型

  字节2026年8月发布语音大模型SwanTale技术报告：首创SwanVAE+Flow-matching Transformer+Unified MoE+GRPO框架，统一实现自然语言驱动（instruct TTS）与零样本音色克隆（zero-shot TTS），支持多说话人、环境音、音效共生于单条波形。闭源报告，重方法论启发。（239字）
• 08.05 16:25:36
  发表了文章 2026-08-05 16:25:36

  为什么调一个文档抽取 pipeline 要花几周？IDP AutoOpt 让 agent 来替你

  AWS IDP AutoOpt 是一个闭环式LLM智能体，自动优化文档处理流水线（OCR、Prompt、模型、Schema等）配置，在2小时内达到甚至超越人类专家水平，精度提升8.6%，成本降为1/4.6。其三大反直觉工程经验：强模型不可妥协、结构化领域技能优于源码灌入、上下文管理需精细阈值控制。（239字）

  
• 08.04 18:04:07
  发表了文章 2026-08-04 18:04:07

  Qwen3.8-Max 开源了：该不该从 Claude 切过去？

  阿里正式发布2.4万亿参数旗舰Qwen3.8-Max，支持100万上下文与原生多模态，激活95B参数，推理成本仅6美元/百万token。下周将开源Max系列权重——史上首次，兼具强编码、长程智能体与办公自动化能力，但标准编程基准仍略逊Fable 5。（239字）
• 08.04 13:53:50
  发表了文章 2026-08-04 13:53:50

  做文档解析的人该看看 Infinity-Parser2：一个模型把版面、表格、公式、图表全端了

  Infinity-Parser2 是一款端到端多模态文档解析大模型，融合可控数据合成与多任务联合强化学习（GRPO），开源500万双语数据及Flash/Pro双版本模型，支持精准解析文本、表格、公式、图表等，显著提升RAG与文档智能效果。（239字）
• 08.02 00:40:04
  发表了文章 2026-08-02 00:40:04

  阅读笔记：DocOCR-Eval: A Correction-Based Framework for OCR Tool Selection Without Ground Truth

  本文提出免标注OCR引擎选择框架DocOCR-Eval：利用MLLM作为校正器，通过三阶段错误诊断（字符/分词/语义）条件触发文本或视觉重识别校正，以校正后ANLS差异自动排序引擎。在FUNSD等数据集上NDCG达0.9752，验证了思路可行性，但验证尚不充分（仅3/9数据集、4引擎、prompt未公开）。