在大语言模型（LLMs）推动自然语言处理领域发展的背景下，通用大模型在特定语言和专业领域的应用面临挑战。低秩自适应（LoRA）技术作为一种高效、灵活的微调方法，正引领行业变革。OpenDataLab与和鲸社区联合举办的“大模型小语种方向Lora微调workshop”深入探讨了LoRA技术的原理和应用，特别是在小语种领域的独特价值。本次workshop使用OpenDataLab的“万卷・丝路2.0”

随着模型技术发展，互联网数据趋同性导致通用大模型同质化，细分专业化成为深入行业落地的必然路径，这些数据常存在于私域，且以文档形式最为普遍。，支撑高质量AI-Ready的语料构建管线，将可解析场景延伸至科学数据领域，补齐AI-Ready数据的最后一公里，缩窄AGI促进科学发现的鸿沟，现已成为『书生』科学多模态大模型Intern-S1开源工具链中的重要一环。性能、速度跃升的同时，将可解析场景延伸至科学

【摘要】上海AI实验室与上海交通大学等机构联合提出IDEAL框架，用于优化大型语言模型(LLM)多任务训练中的数据均衡问题。研究发现传统SFT训练会导致模型能力不均衡，简单增加弱势领域数据效果有限。IDEAL通过量化各领域数据对模型性能的影响，动态调整训练集分布，在Llama3-18B实验中显著提升模型综合表现（如编码能力提升尤为明显）。该方法突破性地证明：优化数据配比比单纯增加数据量更有效，且训

在阿拉伯语、俄语、韩语、越南语、泰语5个语种基础上，新增塞尔维亚语、匈牙利语、捷克语等3个稀缺语料数据。在纯文本数据基础上，新增图片-文本、音频-文本、视频-文本、特色指令微调SFT四大模态数据，覆盖多模态研究全链路；整体数据总量超过1150万条，音视频时长超过2.6万小时，满足多种研究任务的需求。

翻译功能，想怎么翻就怎么翻！全文翻译、模块翻译，多种模式随心切换，满足你所有的翻译姿势！系统默认接入限时免费的GPT-4o-mini引擎，同时支持接入DeepL、Google、DeepSeek、硅基流动、阿里云百炼、腾讯混元等主流翻译服务，满足不同用户的翻译需求。你的反馈会直接驱动我们的解析模型优化，让你成为MinerU的“秘密武器”！近期，MinerU就像是坐上了火箭，功能蹭蹭往上涨，简直要让你

2024年底，在具身智能方向，上海人工智能实验室携手等智元机器人、国家地方共建人形机器人创新中心、上海库帕思重磅开源了，具身智能领域也迎来了「ImageNet」时刻！（智元世界）—— 一个汇集百万真实机器人数据的开源数据集。在这个具身数据的世界里，机器人不再只是进行简单的桌面任务，而是全方位融入我们的日常生活。机器人和人类和谐相处世界的大幕，正在徐徐拉开。2024，哪个场景最符合你对未来机器人的想

之前我们发布了MinerU2.5模型，包含网页端/桌面客户端端/api 在内点MinerU 全线产品已经集成了最新模型，这波直接把文档解析做到天花板 💯。📚 无论科研、金融还是教育场景，MinerU 都能帮你轻松搞定高质量文档解析，为知识库构建省时又省力！更赞的是 👉 中文公式、复杂数学公式、嵌套表格都做了深度优化！✅ 无线/少线表格一键解析。

业界顶尖的预处理技术，并支持灵活的部署方式，能够极大地优化文档信息在 AI 应用中的流转效率和准确性，同时充分尊重和保障用户的数据主权，最终为每一位 Cherry Studio 用户带来更流畅、更智能、更值得信赖的产品体验。强大的文档解析能力深度集成到 Cherry Studio 的知识库与未来的对话功能中，为您带来前所未有的文档处理与信息获取体验。后，您上传到知识库的文档将经过更精细的处理，使

2024年7月，上海人工智能实验室OpenDataLab团队正式推出了智能数据提取工具——。具备将混合图片、公式、表格、脚注等在内的复杂多模态 PDF 文档转化为Markdown格式的能力，可大幅提升AI语料的准备效率。凭借快速准确、开源易用的能力特性，受到广大用户及大模型开发者青睐，，GitHub星标数已接近2.5万，被开发者誉为“大模型时代的文档提取、转换神器”。2025年1月，迎来新年更新，

最新版本发布。本次更新进行了大量代码重构，降低了硬件需求，数据提取性能及易用性“双提升”。（点击查看MinerU介绍→全新版本接入了新的表格模型 StructTable-InternVL2-1B，表格解析选择更丰富。同时优化了线上Demo使用体验，开放API内测申请，参与“探索者”计划，加入开源共建，将有机会赢得精美周边及算力支持等丰富奖励。（点击文末“阅读原文”直达）● 重构模块代码，使用进行阅