世界首个！性能超扩散模型256%，推理快21.8倍，Uni-3DAR用自回归统一微观与宏观的3D世界
e、具身智能三大 AI 热门领域共同关注的焦点。而随着 AI 技术的发展，大型语言模型（LLM）与大
日期: 2025 年 3 月 25 日
推理延展到真实物理世界，英伟达Cosmos-Reason1：8B具身推理表现超过OpenAI ο1
答案的情况，比如以下例子：
根据视频中本车的动作，它接下来最有可能立即采取的行动是什么？
A：右转，
挖掘DiT的位置解耦特性，Personalize Anything免训练实现个性化图像生成
本文介绍了一种全新的架构设计 Personalize Anything，它能够在无需训练的情况下完成概念主体的高度细节还原，并支持位置控制和多种应用。通过创新的标记替换机制和特征扰动技术，团队展示了其在保真度、可控性和多功能性上的优势，并将其应用于布局引导生成、多物体组合等场景。
阿里深夜开源Qwen2.5-VL新版本，视觉推理通杀，32B比72B更聪明
阿里通义千问团队发布新模型Qwen2.5-VL-32B，相比前代模型提升回复符合人类偏好、数学推理能力及图像细粒度理解与推理。
也看基于版式分析的PDF文档翻译项目及文档版式分析模型PP-DocLayout
今天是2025年3月25日，星期二。文章介绍了两个文档相关的项目，一个是基于版式分析的PDF文档翻译项目Fast_pdf_trans和PDFMathTranslate，另一个是文档版式分析模型PP-DocLayout。PP-DocLayout能够检测多种类型的文档，并且其三种不同比例的模型在处理复杂布局方面表现良好。而PDFMathTranslate则使用Pdfminer.six等库解析PDF文档，保留了排版信息进行翻译。
DeepSeek V3新版本实测，Claude又输了？
今天早上看到大V测评DeepSeek新版本接近Claude后，立即体验发现Claude在贪吃蛇游戏和SQL修改方面表现更优，但双方代码生成能力均通过测试。总体来看，DeepSeek-V3提升了上下文理解能力，但仍需不断改进。
RAG＆KG＆LLM＆文档智能技术前沿：老刘说NLP技术社区持续对外纳新
老刘说NLP技术社区致力于通过早报、在线交流报告和专题分享等方式，围绕大模型、RAG、文档智能和知识图谱等主题，推动技术创新与交流。