OCRFlux是一款基于多模态大模型的文档转换工具包，可将PDF/图像高质量转换为Markdown文本。其核心创新在于：1)单页解析能力突出，能处理多栏布局、复杂表格和公式；2)首创跨页合并功能，自动识别并合并被分割的表格和段落。性能测试显示，OCRFlux在编辑距离相似度等指标上优于主流OCR模型。该工具需配备NVIDIA GPU(≥12GB显存)运行，支持本地和Docker两种部署方式，处理结

本文提出Arch-Router-1.5B，一种偏好对齐的LLM路由框架，通过领域-操作映射实现精确模型选择。该1.5B参数模型将查询匹配到用户定义的领域（如旅行）和操作（如翻译），超越SOTA模型在偏好对齐上的表现。其创新在于：1）结构化偏好路由，透明可控；2）灵活适应新需求无需重训练；3）优化生产环境性能。实验证明该方法有效解决了现有路由技术的主观偏好评估困难和有限模型池选择问题，为多模型环境提

端设备上的超高效大型语言模型

sarvam-m是一款基于Mistral-Small构建的多语言AI模型，专为印度语言环境优化。该模型具备混合思维模式（思考/非思考），在印度语言基准测试中性能提升20%，数学能力提升21.6%，编程能力提升17.6%，特别在罗马化印度语言数学问题上表现突出（+86%）。支持本地脚本与罗马化输入，提供流畅的多语言对话体验。开发者可通过Transformers、Sarvam API或vLLM进行部署

sentence-transformers/all-MiniLM-L6-v2是一款基于MiniLM架构的句子嵌入模型，能够将文本转换为384维语义向量。它通过对比学习在超10亿句子对上进行微调，支持语义搜索、聚类等任务。模型提供两种调用方式：sentence-transformers库的简单API和HuggingFace Transformers的手动实现，后者需自定义池化操作。训练使用TPU v

修正 YOLOv5 只检测中、大目标。

在python 3.7，3.8，3.9，3.10，3.12均无法正常安装numpy，或报错要求更高python版本。

标题超级长，别介意。我觉得越长越有内涵……自己体会。报错图片如下：经过两天各种安装撞墙，终于找到一条通路。★1.安装虚拟py36环境（安装时间比较长）代码：conda create -n py36 python=3.6 anaconda★2.激活虚拟环境代码：conda activate py36★3.安装清华镜像对应TensorFlow1.5版本的cp36的地址：代码：pip install h

超长视野语言模型用于小时级视频理解

《Video-XL-Pro：高效的长视频理解方法》提出了一种基于重建性压缩令牌（ReCoT）的创新框架，用于解决多模态大模型处理超长视频的挑战。该方法包含动态令牌合成器（DTS）和语义引导掩蔽（SGM）两大核心组件，通过自监督学习生成紧凑的视频表征，实现四倍信息压缩的同时保持语义完整性。实验表明，仅3B参数的模型在MLVU等基准测试中超越7B级模型，训练和推理效率提升2-3倍。该研究为长视频理解提