日前,在“AIGC与场景化应用创新”主题研讨会上,阿里智能信息事业群夸克视觉技术负责人黄锐华分享了AI技术应用于扫描场景的最新成果。他表示,AIGC给手机扫描产品打开了创新空间,搭载大模型技术的夸克扫描王对识别手写字体、复杂公式和版式理解上的准确率达到了新高度。
夸克视觉技术负责人黄锐华
经过几十年的发展,扫描技术已经日趋成熟,但是随着拍摄屏幕等新场景和用户编辑图片等个性化需求的出现,扫描行业面临着全新的机会。尤其是大模型和AIGC在大数据建模、文本理解以及内容生产带来的颠覆性变化,将给用户和企业带来新一轮的效率提升。
黄锐华表示,夸克扫描王已形成扫描能力、图像能力、内容识别和版式理解能力及学习效率工具的能力矩阵。基于自身数据多、精度高、能力全等特点,夸克扫描王愿意将自研的多项技术和能力优先开放给行业伙伴,共同开创AIGC时代下的数字服务新生态。
众所周知,教育行业对扫描技术识别率、处理速度的要求非常高。黄锐华介绍,AIGC已经在扫描的识别精度、任务类型及应用场景等方面实现突破。以夸克扫描王的识别精度为例,目前手写字符识别准确率超过99%;复杂公式识别准确率99%;识别模糊文本和复杂公式的识别率远超行业水平。夸克扫描王在学习、工作等场景下的技术突破,正在加快推动生产力工具的智能化和数字化。
不久前,应用了最新AI大模型技术能力的夸克扫描王App上线。基于大语言模型的结果优化,夸克扫描王能够在复杂场景下模仿人类思维,更精准地识别、分析和提取文字、公式及图片等内容,从而实现更完美的扫描效果。
黄锐华透露,未来,夸克扫描王还会依托大模型技术在四方面进行持续突破。首先是扫描的能力,会覆盖更多真实的用户场景。其次是图像处理能力,让技术提升扫描质量。再次是内容理解能力,让大模型会像人一样去思考和解析内容。最后是提供更多智能化的工具,提升用户解决问题的效率。
据QuestMobile发布的《2023年轻人群智能效率应用研究》报告显示,夸克扫描王借助大模型技术加持,突破传统扫描仪的场景壁垒,满足年轻人群个性化需求,夸克中00后、90后人群占比位列同类产品第一。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。