OpenBMB 发布 MiniCPM-OCR 1.0 与校验模型 Jev
OpenBMB 发布 MiniCPM-OCR 1.0，一个 1B 规模的 OCR 模型，在 Real5-OmniDocBench 上得分 93.68、OCRBench v2 上得分 54.7，可解析手写笔记、复杂公式、报纸和低质量扫描件。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
379 条收录动态，更新于 16:36
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月28日
星期三，10 条alphaXiv 推出面向 arXiv 论文的 NotebookLM 式音频解读功能
alphaXiv 推出面向 arXiv 论文的 NotebookLM 式功能，可把密集的 AI 研究论文转成可在路上收听的对话。该功能结合数千篇相关论文的上下文，捕捉研究动机、关联到 SOTA，并像读过整个领域的教授那样讲解关键思路。
Gemini Notebook 将接入 Google Drive 连接器
Gemini Notebook 将上线 Connectors 功能，首批且初期唯一支持的是 Google Drive，用户可在聊天中直接搜索 Drive 文件，也可按需关闭。该连接器会在工作区内检索并读取文档，原始文件保持不变；更多连接器预计后续推出。
LlamaIndex 发布文档解析协议 DPP 0.1 工作草案
LlamaIndex 发布 Document Parsing Protocol（DPP）0.1 工作草案，用 140 条规则定义页面解析的正确输出，覆盖文本、表格、表单、图表和示意图，每条规则附示例页面与期望输出。
施普林格·自然与谷歌深度思维合作研发AI同行评审辅助工具
施普林格·自然与谷歌旗下AI公司深度思维于10月28日宣布合作，共同设计一款AI同行评审辅助工具，目前处于测试中的原型阶段。该工具依托Gemini模型和谷歌在ScholarPeer、DeepReview等智能体研究工具上的经验，帮助评审人分析大量文本、图表和图像，发现可能需要重点关注的环节，人类专家判断仍处于流程核心。
Sakana AI 将参展 Gartner IT Symposium/Xpo 2026
【通知】Sakana AI 将于 11/4〜6 在横滨太平洋会展中心北馆举办的 Gartner IT Symposium/Xpo™ 2026 上出展🐡 届时将现场演示战略研究智能体 Sakana Marlin、AI 编排器 Sakana Fugu、日语专用模型 Sakana Namazu。 欢迎莅临展位🚀 #GartnerSYM
OpenBMB 感谢 MiniCPM-OCR 实测对比
很高兴看到 MiniCPM-OCR 接受实测！🔥 非常感谢 @wikiwayne 做了详尽、透明的对比，并分享了结果和注意事项。💙 期待你在 GX10 上跑完本地测试后的表现。这样的真实反馈正是我们持续改进的动力！🚀
引用Guillermo Casaus@_guillecasausAcaban de lanzar un modelo OCR open-source de solo 1.300 millones de parámetros. Se llama MiniCPM-OCR 1.0 y viene acompañado de MiniCPM-OCR Jev, otro modelo que evalúa la fiabilidad de los resultados. Ambos desarrollados por OpenBMB y ModelBest. Entre ambos permiten: → Extraer texto, tablas y fórmulas de documentos → Procesar PDFs y páginas escaneadas o fotografiadas → Trabajar con documentos inclinados o curvados → Incluir una puntuación de confianza en los resultados para facilitar su revisión manual → Ejecutarse con vLLM, SGLang y Ollama MiniCPM-OCR 1.0 ha conseguido 93,68 puntos en Real5-OmniDocBench, según sus benchmarks oficiales. Pero lo más interesante es Jev. En lugar de corregir los errores automáticamente, evalúa la fiabilidad de los resultados extraídos e incluye una puntuación de confianza para facilitar su revisión. Además, MiniCPM-OCR 1.0 incorpora KIE (Key Information Extraction), una funcionalidad para extraer información clave de los documentos. Y sí, los pesos de ambos modelos son abiertos. 🔗 GitHub: https://github.com/OpenBMB/MiniCPM-OCR 🤗 Hugging Face: https://huggingface.co/openbmb/MiniCPM-OCR-1.0 Más recursos y demo en el primer comentario 👇
The Software Citation Station：快速生成规范软件引用的公开网站与工具
研究人员推出公开网站与工具 The Software Citation Station，用于快速查找正确的软件引用声明并加入论文，以规范和简化学术作品中的软件引用流程。AAS 期刊现已在软件政策中向作者推荐该工具；此前 AAS 开始建议作者在投稿中附软件引用后，IRAF 的引用量增长约 150%。
Jaxnasium：用 PyTrees 统一任意智能体与跨环境套件的强化学习库
Jaxnasium 是构建在 Equinox 上的轻量 JAX 强化学习库，把观测与动作空间表示为 PyTrees，使近单文件算法实现无需改动即可运行于离散、连续、图像、复合及多智能体环境。它提供 Gymnasium 风格最小接口并封装 11 个套件、超过 300 个环境，小型 PPO 实现用默认超参数即可运行。该库已开源，还提供多随机种子评估、超参数扫描与项目脚手架工具。
LitUbik 开源系统综述工具发布，AI 建议由具名审稿人逐条接受或拒绝
LitUbik 是一款开源、可自托管的系统综述工具，覆盖从注册方案到 PRISMA 2020 流程图的各环节，包括检索式校准、自动检索、去重、盲法多审稿人筛选、全文获取、滚雪球检索、质量评价、数据提取与报告，可部署在单台服务器或跨离线实例运行。
10月27日
星期二，1 条LitUbik 开源系统综述工具发布，AI 建议需审稿人逐条确认并留痕
LitUbik 是一款开源、可自托管的系统综述工具，覆盖从注册方案到 PRISMA 2020 流程图的各阶段，包括检索式校准、自动检索、去重、多审稿人盲法筛选、全文获取、滚雪球检索、质量评价、数据提取与报告，可运行在单台服务器或彼此断开的实例上。
10月28日
星期三，6 条alphaXiv OpenResearch 发布 canary-20261028.2 兼容构建
alphaXiv OpenResearch 发布 canary-20261028.2，标注为兼容构建，对应构建号 1fb8794。原文未披露该版本的具体功能、适用范围或开放方式。
alphaXiv OpenResearch v0.2.22 发布
alphaXiv OpenResearch 发布 v0.2.22，新增永久删除实验、跨平台桌面缩放控件和 stable/canary 双更新通道。该版本修复了 Slurm 运行监督器反复重试 SSH 导致 HPC 账号被锁、Codex 压缩无法恢复非活跃会话线程等问题，并清理 Claude Code、Codex 和 Cursor 的原生历史记录。
Muse 上线新加坡
hello! 你好! apa khabar! வணக்கம்! 对多任务处理者来说，没有比一个拥有四种官方语言的国家更好的地方了。 现已登陆新加坡：https://muse.ai 🇸🇬
Grok Bot 0.77.0 稳定版发布
grok @bot 0.77.0 现已稳定并逐步推送！ - 自动审核规则的权限设置 - 在 vault 中选择机器人优先使用的支付方式 - 机器人可在一张卡片上提出多个问题 完整更新日志：https://x.ai/changelog/bot
UC Berkeley Sky Computing Lab 开源 LEANN 向量索引，60M 分块 RAG 索引从 201 GB 缩至 6 GB
UC Berkeley 的 Sky Computing Lab 开源了 LEANN，这是一个几乎不存储嵌入向量的向量索引，改为在查询时重新计算嵌入；仓库基准显示 6000 万条 Wikipedia 分块索引从 201 GB 降到 6 GB，论文在 MLSys 2026 获最佳研究论文奖。
alphaXiv OpenResearch 发布 Canary 构建 canary-20261111.4
alphaXiv OpenResearch 发布 Canary 最新构建 canary-20261111.4（提交 6f2dc9e），自 v0.2.26 起将 Unix CLI 发布包改为 gzip 打包，并对项目共享中被排除的超大文件做摘要说明。该版本还修复了后台任务后 Claude 工作记录、全屏聊天中的模型选择器显示等问题，并新增在新引擎上运行每个实验、UI 写入乐观更新等功能。
10月27日
星期二，1 条Consensus 通过 API 和 MCP 开放 Threads 证据综述功能
Consensus 将 consensus.app 上的 Research Agent 以 Threads 形式开放到 API 和 MCP，输入研究问题即可返回带引用、支撑引文和来源章节的证据综合，并可在同一线程中追问收窄问题。
入选理由Consensus 把证据综述能力开放到 API 和 MCP，研究者可据此判断能否把文献评估接入自己的筛选流程。
10月28日
星期三，8 条Gemini Notebook 移动端上线1小时录音
🚨 重要移动端功能 🚨 现在你可以直接在移动应用中录制最长 1 小时的实时音频。录下讲座、团队会议，或你最新的疯狂科学家式 rant，并立即将其用作来源。 小贴士：将实时录音与手写笔记的照片结合，打造终极个性化工作区
Databricks 为 Genie Code 推出医疗与生命科学技能包 Vital Skills
Databricks 发布 Vital Skills，为编码智能体 Genie Code 提供医疗与生命科学领域的打包技能，覆盖 bulk RNA-seq、单细胞 RNA-seq。
蛋白质与基因组设计软件迎来自然语言交互：可直接告诉 AI 想要什么蛋白
蛋白质与基因组设计软件现在支持用自然语言向 AI 工具描述所需蛋白质类型。Ars Technica 报道称，用户可"告诉 AI 工具你想让它们制造什么样的蛋白质"，但未披露具体软件名称、版本或可用范围。
Google DeepMind 推出 Genie 4：实时世界模型引入 Gemini 规划与音频生成
Google DeepMind 发布 Genie 4 世界模型，可逐帧实时生成可交互场景，是该公司首个直接生成声音的实时世界模型，目前仅向部分测试者开放研究预览。
alphaXiv Mobile 2.0 发布，新增论文 AI 视觉概览与可分享文献库
alphaXiv 发布 Mobile 2.0，新增适配手机的 PDF 阅读器、带可分享文件夹的文献库、按兴趣定制的研究信息流，以及论文的 AI 视觉概览，并支持 iPhone Duo 与 iPad。iOS 与 Android 版本均已上架应用商店。
Google 发布世界模型 Genie 4
GOOGLE 🔥：Genie 4 已正式发布！Genie 4 是 Google 最新的世界模型，具有先进的真实感和交互性！ 用户现在可以动态地对世界进行提示修改，并生成带原生音频的世界。 它正以研究预览形式向 Trusted Testers 推出，并将很快通过 Gemini API 和 AI Studio 向 Google AI Ultra 订阅者和早期访问合作伙伴开放。 来自 @sundarpichai 的示例
引用Google DeepMind@GoogleDeepMindThis is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
Google DeepMind 发布 Genie 4 世界模型，原生多模态实时交互模拟
Google DeepMind 发布世界模型 Genie 4，原生支持音频与交互对话，并借助 Gemini 系列模型维持模拟的连贯性与多步推理。该模型已作为研究预览向可信测试者开放，后续将先面向 Google AI Ultra 订阅用户在 Project Genie 中推出，并开放 Gemini API 与 Google AI Studio 早期合作伙伴。
10月27日
星期二，3 条Perplexity Computer 可先模拟再实测
你可以用 Perplexity Computer 先在真实世界测试之前运行模拟
引用Computer@AskPerplexityComputer built a futures research lab that keeps working after the task ends. In historical backtests it developed 604 strategies with win rates of at least 60% and positive returns after costs. An automation checks for new gold, Nasdaq-100, and S&P 500 data every 30 minutes.
alphaXiv 的 OpenResearch 周 Token 量突破 100B，开源科研智能体界面支持本地模型
alphaXiv 宣布其 OpenResearch 周 Token 处理量突破 100B，称已有数千名研究者用它把编码智能体变成科研智能体。该界面整合 alphaXiv 文献综述、实验追踪、可视化与远程计算，并支持用本地模型运行实验，使整个循环在本机完成；项目已在 GitHub 开源，另提供页面查看研究者使用的模型。
百度开源 Unlimited OCR 2 文档解析模型，支持几十到几百页超长文档
百度开源 Unlimited OCR 2，一个面向几十到几百页文档的 OCR 与版面解析模型，采用 3B/A0.5B 的 MoE 架构，权重已发布在 Hugging Face。
引用Baidu Inc.@Baidu_IncUnlimited OCR 2 is here, and it's open source. 📖 ✨ Longer documents can mean a lot more attention computation. Our new SR-SWA mechanism keeps that in check by condensing text-visual attention interactions into a fixed-size set of working references. Here's what it delivers: - Document parsing at virtually any length, within a finite context window - Nearly constant per-step decoding latency and memory footprint as documents grow longer - State-of-the-art performance on MPDocBench and MarathonDocBench, covering documents from dozens to hundreds of pages Check out the model here ↓
10月26日
星期一，1 条上海AI实验室上线通专融合智能体书生-A1.5，验证真实科学场景驱动模型自进化
上海AI实验室推出通专融合智能体书生-A1.5（Sage-A1.5），在神经科学、电化学等场景验证由真实科研场景牵引基础模型自进化的递归自我改进路径，并提供体验链接。
入选理由上海AI实验室公开了Sage-A1.5的试用入口与多学科评测环境，研究者可据此判断它能否承担长程检索、证据核查与实验条件优化。