现在大家可以放弃追求Manus邀请码，目光转向开源社区!日前，CAMEL-AI团队宣布重磅推出的OWL（Optimized Workforce Learning）项目。这款基于CAMEL-AI框架构建的创新性多智能体协作框架，以其卓越的性能和开放的精神，在自动化任务处理领域掀起了一股强劲的风暴。GAIA榜单榜首要说OWL有多能打，数据最有说服力。据官方透露，OWL在著名的GAIA基准测试中取得了令人瞩目的58.18的平均分，一举登顶开源框架榜首。这个成绩甚至超越了Huggingface提出的Open Deep Research。这不禁让人想问，传说中“云端超级打

美国AI拳击公社Growl近日推出了一款全新的壁挂式健身设备，旨在为用户提供与真人拳击教练互动的体验。与Lululemon Mirror和Tonal等互动健身器材不同，Growl 的设计强调身体互动，结合投影仪与传感器，为用户提供一个可以实际击打的沙袋，而不再是仅仅依赖于屏幕的虚拟健身指导。Growl设备通过投影仪代替传统的LCD或OLED屏幕，创造出更大、更具沉浸感的显示效果。其紧凑的设计使得设备可以轻松安装在墙上，且不会占用过多空间。用户的锻炼数据和进度会通过墙壁上的投影实时显示，而沙袋

最近，阿里巴巴的 AI 研究团队在文档理解领域取得了令人瞩目的进展，他们推出了 mPLUG-DocOwl1.5，这是一款在无OCR（光学字符识别）文档理解任务上表现卓越的尖端模型。过去，处理文档理解任务时，我们通常依赖 OCR 技术来从图像中提取文本，但这往往会受到复杂布局和视觉噪声的困扰。而 mPLUG-DocOwl1.5则通过一种全新的统一结构学习框架，直接从图像中学习理解文档，巧妙地避开了这一瓶颈。该模型通过分析文档在不同领域的布局和组织能力，涵盖了普通文档、表格、图表、网页和自然

阿里巴巴达摩院与中国人民大学近日联合开源了一款名为 mPLUG-DocOwl1.5的文档处理模型，该模型主打无需 OCR 识别即可理解文档内容，并在多个视觉文档理解基准测试中取得了领先的性能。结构信息对于理解富文本图像（例如文档、表格和图表）的语义至关重要。 现有的多模态大型语言模型 (MLLM) 虽然具备文本识别能力，但缺乏对富文本文档图像的通用结构理解能力。为了解决这一问题，mPLUG-DocOwl1.5强调结构信息在视觉文档理解中的重要性，并提出了 “统一结构学习” 来提升 MLLM 的性能。

阿里团队最新发布的mPLUG-Owl3是一个通用多模态大模型，其核心能力是对长图像序列的理解。通过引入超注意力模块，mPLUG-Owl3能够高效处理视觉和语言信息，实现对图片、视频等多模态数据的深入理解和交流。该模型在推理效率、图像处理能力、以及多模态知识应用上均取得了显著突破，尤其是在视频理解领域，能够在4秒内“看”完一部2小时的电影，并准确回答与之相关的问题。mPLUG-Owl3采用了轻量化的Hyper Attention模块，优化了模型训练和推理效率，使其在多个多模态基准测试中达到或超越了当前最优水平。这一技术的发布不仅标志着多模态大模型领域的重要进展，也为未来在图像、视频处理及人机交互领域提供了新的可能性。

["TechCrunch 报道，Chris Messina 和 Brian McCullough 推出一项新的 1500 万美元基金，该基金旨在支持人工智能初创公司。","该基金得到了 Marc Andreessen、Chris Dixon 和 Dennis Crowley 等知名科技投资者和创始人的支持。","基金计划在未来 12-18 个月内部署所有资本，投资那些具备竞争力的产品化生成 AI 的初创公司。"]