2025.11.01.20 过去4小时全球AI发生了什么？
以下是过去四小时全球AI领域的重要动态：
Elon Musk 提出，在未来五到六年内，手机操作系统和传统应用软件将逐步消失。他预言手机将转变为一个极简的AI推理边缘节点，主要负责本地AI推理以及与服务器端AI的实时通信。未来的设备可能仅包含显示屏和音频输出，最大化地在本地运行AI模型以减少云端带宽消耗。用户与设备的交互将直接由AI完成，只需表达需求即可自动生成结果，预示着一个由AI主导的生态系统将形成。
DataLab 推出新型 OCR 模型 Chandra-merve
DataLab 发布了其 OCR（光学字符识别）系列中的最新模型 Chandra。尽管近期OCR领域新品迭出，Chandra 在独立基准测试中表现出色，位居前列。这标志着 OCR 技术的持续进步，为处理图像和文档中的文本提供了更高效、更准确的解决方案。
美团发布多模态低延迟模型 LongCat-Flash-Omni-merve
美团团队推出了 LongCat-Flash-Omni 模型，该模型具备卓越的多模态和低延迟特性。在开源全模态模型中，LongCat-Flash-Omni 取得了领先的性能，显示了其在处理多种数据类型（如图像、文本、音频）和提供快速响应方面的强大能力，有望在各种实时多模态应用中发挥关键作用。
LightOnOCR-1B 发布了新的微调（finetuning）笔记本，作为一份“万圣节礼物”。该笔记本支持全量训练（Full training）和 LoRA (Low-Rank Adaptation) 训练，并集成了 FineVision 功能。这为开发者和研究人员提供了更灵活的工具，以针对特定任务和数据集优化 LightOnOCR-1B 模型，进一步提升其OCR性能和应用范围。
关于 DeepSeek-OCR 模型使用要点提示-merve
有观点指出，像 DeepSeek-OCR 这样专门为 OCR 任务设计的模型，在不正确使用**条件提示（conditioning prompt）时容易出现性能问题。这一提示强调了阅读模型卡片（model card）**的重要性，以确保用户能够理解并遵循模型的设计意图和最佳实践，从而避免因误用而对模型性能产生负面评价。
CVPR 2026 会议计划举办一场名为“How to 10x the visibi…”的研讨会，目前正在积极征集演讲者。这场研讨会由 @NielsRogge 和 @mervenoyann 共同策划，旨在探讨提升计算机视觉领域可见度和影响力的方法，为研究人员和从业者提供交流和分享的平台。