近日，阿里巴巴通义实验室宣布开源其最新研发成果——ViDoRAG，这是一款专为视觉文档理解设计的检索增强生成（RAG）系统。ViDoRAG在GPT-4o模型上的测试显示，其准确率达到了令人瞩目的79.4%，相较传统RAG系统提升了10%以上。这一突破标志着视觉文档处理领域迈出了重要一步，为人工智能在复杂文档理解上的应用提供了新的可能性。多智能体框架赋能视觉文档理解ViDoRAG并非传统的单一模型，而是采用了创新的多智能体框架设计。据介绍，该系统结合了动态迭代推理代理（Dynamic Iterative Reason

阿里巴巴官方宣布正式启动了2026届春季实习生招聘，开放的岗位总数超过3000个，其中与人工智能（AI）相关的岗位占比近50%。在某些业务部门，AI 岗位的比例更为显著，比如高德达到了约65%，而阿里云则超过了80%。这一变化反映出阿里巴巴对 AI 技术的重视程度正在加大。此次春招涵盖了阿里巴巴控股集团、阿里云、高德、通义实验室、饿了么和灵犀互娱等多个部门，后续还将有淘天、阿里国际和菜鸟等部门陆续开启招聘。这与去年相比，阿里在春招中依然维持了对技术类岗位的关注，但

近日，通义实验室正式开源了其创新性的音乐生成技术——InspireMusic。该技术旨在打造一个集音乐、歌曲及音频生成能力于一体的开源AIGC工具包，为研究者、开发者及音乐爱好者提供一个全面的创作平台。InspireMusic不仅为研究者和开发者提供了丰富的音乐/歌曲/音频生成模型的训练和调优工具，还为他们配备了高效的模型，以便优化生成效果。同时，这款工具包也大大降低了音乐创作的门槛，使得音乐爱好者能够通过简单的文字描述或音频提示，轻松生成多样化的音乐作品。

阿里巴巴通义实验室语音团队宣布，其开源的语音生成大模型CosyVoice已升级至2.0版本，这一升级标志着语音生成技术在准确性、稳定性和自然体验方面的显著进步。CosyVoice2.0通过采用离线和流式一体化建模的语音生成大模型技术，实现了双向流式语音合成，首包合成延迟可达到150ms，显著提升了语音合成的响应速度。

阿里巴巴达摩院的通义实验室近期宣布开源一项名为ClearerVoice-Studio的语音处理技术，旨在提升语音质量和可懂度。随着语音技术的广泛应用，语音质量受到越来越多人的关注，尤其是在环境噪声、混响和设备拾音等情况下，语音处理技术的需求日益迫切。

11月15日，阿里通义实验室推出了代码模式，该功能使得用户能够通过简单的日常语言指令生成各种应用，包括小游戏、数据图表、网站和简历等。用户只需访问通义网页版（tongyi.ai），点击输入框中的“代码模式”即可开始体验这一全新交互方式。

["阿里巴巴通义实验室发布了一款AI动画项目Animate Anyone","只需要一张人物静态图片结合人物的骨骼动画，就能生成一段人物动画视频","全网开始流行跳“铁山靠”的小猫咪"]

["阿里通义实验室开源 AI 图像生成微调框架 SCEdit","SCEdit 框架支持图像生成任务的微调","SCEdit 框架在生成任务中具有高效性能","SCEdit 框架在可控生成任务中实现精准控制","SCEdit 框架节省训练显存开销"]