商汤开源多模态视觉模型SenseNova-Vision：统一范式突破CV任务边界 商汤科技旗下OpenSenseNova开源了SenseNova-Vision项目，通过多模态生成框架统一解决各类视觉任务。该模型创新地将检测、分割、OCR、深度估计等异构任务转化为文本/图像生成问题，仅需自然语言指令即可输出结构化结果（如坐标、掩码图等）。其覆盖范围远超传统多任务模型，在COCO检测、NYUv2深度估

阿里云发布千问Qwen3.6-Plus模型，实现编程智能体、通用智能体和工具调用三大能力跃升。该模型配备100万token超长上下文窗口，在编程基准测试中紧追ClaudeOpus4.5，部分表现超越；在通用智能体评测中与顶级模型同梯队，多模态能力全面提升。支持主流Agent框架，API调用价格低至2元/百万tokens。实测显示其"氛围编程"能力可快速生成完整应用，标志AI工作

Meta发布全新AI模型MuseSpark，标志着其AI战略的重大转型。作为Muse家族首款产品，该模型由新成立的MetaSuperintelligenceLabs开发，具备多模态推理、工具调用和多智能体协同能力。技术突破包括：训练效率提升10倍、强化学习驱动的稳定能力增长、创新的"思维压缩"机制。在"沉思模式"下，多智能体协作使推理性能显著提升。应用场景覆

《大模型训练中的超参数与学习率详解》一文深入解析了机器学习模型训练的核心要素。文章首先区分了模型参数与超参数的概念，指出超参数是训练前设定的配置变量，如同烹饪前的菜谱规则。重点讲解了神经网络的关键超参数体系，包括学习率、批大小、隐藏层数量等，其中学习率被比作下山时的"步幅"，过大过小都会影响训练效果。文章详细介绍了学习率的三种状态及其影响，并提供了四种优化方法：网格搜索、学习率

DeepSeek推出DSpark系统实现大模型高效生成，通过半自回归架构和置信度调度验证两大创新显著提升推理速度。系统采用并行主干DFlash生成草稿，结合轻量顺序头注入token依赖，缓解传统推测解码中草稿质量差的问题；同时引入硬件感知调度器动态裁剪低置信后缀，避免无效验证拖累系统。线上实测显示，V4系列模型生成速度提升60%-85%，吞吐量提高51%-661%，在维持无损解码的前提下将服务性能

腾讯混元团队推出轻量级专家模型HunyuanOCR，以1B参数在OCR领域超越235倍参数量的通用大模型，实现端到端多任务处理。该模型在CVPR2026发表论文，获ICDAR2025竞赛冠军，在文档解析、信息抽取等任务上系统性领先。支持vLLM和Transformers部署，硬件要求低至4-6GB显存，通过prompt控制任务类型。其成功印证了"专精优化"路线在垂直领域的优势，

这篇文章通过小白和小黑学习Python的比喻，生动地解释了AI大模型的训练过程：1. 预训练阶段（大量阅读积累基础）- 模型学习语言规律但不会应用；2. 监督微调（模仿老师示范）- 学会标准应答格式；3. 强化学习（考试奖励机制）- 通过反馈提升能力，但存在奖励错位问题；4. PPO算法（私人顾问）- 引入价值网络稳定训练但成本高；5. GRPO算法（同学互评）- 用组内比较替代顾问降低资源消耗；

摘要： 开源AI模型Ornith-1.5通过自我改进循环技术实现突破：它能够自主识别能力短板，生成适配难度的训练任务，并自我验证与优化。其397B参数版本在编程测试（SWE-bench）中以86分追平商业巨头Claude Opus，而仅9B参数的轻量版性能甚至超越Google Gemma 4-31B。这一成果标志着开源模型首次逼近闭源顶尖水平，且揭示了AI进化的新范式——无需海量人工标注数据，通过

OmAILab开源视觉模型VLX-Seek提出创新架构，解决多模态大模型在细粒度感知上的核心难题。该模型将目标定位任务从"生成坐标"转变为"选择区域"，通过候选区域生成、混合细粒度编码和语言模型推理三个步骤，显著提升了定位精度和稳定性。仅3B参数的VLX-Seek在多项基准测试中超越Gemini、Qwen-VL等大模型，特别在开放词汇检测和指代表达理解任务上

OmAILab开源视觉模型VLX-Seek提出创新架构，解决多模态大模型在细粒度感知上的核心难题。该模型将目标定位任务从"生成坐标"转变为"选择区域"，通过候选区域生成、混合细粒度编码和语言模型推理三个步骤，显著提升了定位精度和稳定性。仅3B参数的VLX-Seek在多项基准测试中超越Gemini、Qwen-VL等大模型，特别在开放词汇检测和指代表达理解任务上