在人工智能領域，Meta 公司最近推出了 WebSSL 系列模型，這一系列模型的參數規模從3億到70億不等，基於純圖像數據進行訓練，旨在探索無語言監督的視覺自監督學習（SSL）的巨大潛力。這一新研

5月11日，智能文檔處理領域迎來重大進展——首個針對視覺-語言模型的統一基準測試"IDP Leaderboard"正式推出。該基準通過16個數據集、9229份文檔，全面評估了當前主流模型在OCR、

5月11日，智能文档处理领域迎来重大进展——首个针对视觉-语言模型的统一基准测试"IDP Leaderboard"正式推出。该基准通过16个数据集、9229份文档，全面评估了当前主流模型在OCR、

Hugging Face推出的SmolVLM多模態模型迎來重大突破:通過WebGPU技術，SmolVLM現可在瀏覽器中實現實時網絡攝像頭圖像識別，無需服務器支持，全部計算在用戶設備上完成。這一創新

A major breakthrough has been achieved by SmolVLM, a multimodal model introduced by Hugging Face:

Salesforce AI Research在Hugging Face平臺正式發佈BLIP3-o應用，這款全開源的統一多模態模型家族以其卓越的圖像理解與生成能力引發業界熱議。BLIP3-o通過創新

Salesforce AI Research在Hugging Face平台正式发布BLIP3-o应用，这款全开源的统一多模态模型家族以其卓越的图像理解与生成能力引发业界热议。BLIP3-o通过创新

Salesforce AI Research has officially released BLIP3-o on the Hugging Face platform, a fully open-

科技巨頭 Meta 與香港中文大學的研究團隊聯合推出了 Multi-SpatialMLLM 模型，這一新框架在多模態大語言模型（MLLMs）的發展中取得了顯著進展，尤其是在空間理解方面。該模型通過

12月8日，谷歌在“The Android Show: XR Edition”正式公布AI眼镜路线图，将与三星、Gentle Monster、Warby Parker联手推出两款设备:①无屏辅助A