Veo 3.1 图生视频广告制作方法揭秘-歸藏(guizang.ai) 归藏(guizang.ai)分享了使用Veo 3.1制作图生视频广告的详细方法。该流程首先涉及为每个角色训练包含多种角度、表情和光线变化的数据集。接着，用户创建主提示词以定义环境参数，如灯光、建筑和对比度。随后，系统生成一个基础模板，其中不包含角色。最后，通过将参考图导入Nano Banana，来创建包含角色的最终图像。这一方法展示了AI在视频内容创作中实现精细控制的潜力，为广告制作带来了高效且高质量的解决方案。 Google Earth AI 接入 Gemini 迎来重大升级-小互 Google Earth AI近日宣布重大升级，通过深度整合Gemini模 …

OCR与VLM模型进展及Qwen3-VL应用 - clem 🤗 近期，光学字符识别（OCR）和视觉-语言模型（VLM）领域取得多项进展。据报道，在过去24小时内，三款Qwen3-VL模型（2B、4B和8B）已在Hugging Face上通过CATmuS数据集完成微调。此外，社区还分享了针对OCR/文档处理模型的微调教程，例如Kosmos2.5与grounding技术的结合。本周，OCR和VLM领域涌现了如deepseek-ocr、chandra-ocr、nanonets-ocr2和paddleocr-vl等多个新模型，显示出该领域的活跃发展和社区的高度热情。 PyTorch强化学习环境开源工作获Hugging Face支持 - …

文档AI模型微调教程发布 - merve 开发者mervenoyann发布了一系列针对光学字符识别（OCR）和文档理解任务的视觉语言模型（VLM）微调教程。其中包含两项主要教程：一是关于如何微调 Kosmos2.5 模型以实现带接地的OCR功能，适用于处理包含边界框和文本的数据；二是关于如何在DocVQA（文档视觉问答）数据集上微调 Florence-2 模型，旨在帮助用户从文档中搜索和提取答案。这些教程以“即插即用”的方式设计，旨在简化文档AI模型的部署和应用，并且在同一代码库中提供了更多视觉LM和计算机视觉相关的notebooks。

AI模型真实加密货币交易表现揭示：DeepSeek稳健领先，GPT-5与Gemini表现不佳-歸藏(guizang.ai) 一项N of 1项目通过让六个顶级AI模型（DeepSeek Chat V3.1、Grok 4、Claude Sonnet 4.5、Qwen3 Max、GPT-5、Gemini 2.5 Pro）在真实加密货币市场进行自主交易，每个模型初始资金1万美元，揭示了它们在不确定性下的决策风格和交易能力。结果显示，DeepSeek Chat V3.1以+37.29%的收益率领跑，Grok 4紧随其后。DeepSeek采用数据驱动的技术派策略，保持稳健现金储备；Grok则通过分散投资降低风险。Qwen3 Max以20倍杠 …

OpenAI即将发布「Agent Builder」，轻松拖拽，人人都能打造AI智能体-宝玉 OpenAI预计在10月6日的「开发者日」活动上发布全新的 「Agent Builder」 工具。该工具提供直观的拖拽式可视化界面，旨在帮助开发者和团队轻松构建复杂的AI智能体工作流程，直接对标Zapier等自动化流程产品。它将提供模块化组件，如逻辑模块、连接器、用户审批步骤及安全防护模块，大幅降低了AI应用的开发门槛，使非专业人士也能快速搭建并部署客服机器人、数据增强流程等AI解决方案。该工具的推出是OpenAI生态战略的重要一步，强调与自身AI模型深度整合、提供卓越用户体验及预置逻辑模块以应对激烈的自动化市场竞争。 LoRA …