不久前，A16z AI 合伙人 Olivia Moore 分享了一张 AI 转录初创公司图谱，面向企业服务（B2B）的转录公司不仅数量多，更涉及人宠医疗、招聘、销售和会议等多元场景。其中作为“打工人刚需”的会议场景转录，参与厂商众多，我们也从中发现了一家非常有趣的华人创立公司——Notta。此前 TechCrunch 披露的融资信息显示，其总部位于新加坡，研发中心位于深圳。
图文并茂的PDF长文档在日常生活中无处不在。过去人们通常使用OCR，layout detection等方法对PDF长文档进行解析。但随着多模态大模型的发展，PDF长文档的端到端阅读理解成为了可能。
技术创造新价值，产品拿走利润，在这个行业里近乎铁律，所以大模型公司是AI浪潮的起点，但不是AI浪潮的主流。
干脆全面拥抱NSFW内容，趁早把流量变现
自回归训练方式已经成为了大语言模型（LLMs）训练的标准模式， 今天介绍一篇来自阿联酋世界第一所人工智能大学MBZUAI的VILA实验室和CMU计算机系合作的论文，题为《FBI-LLM: Scaling Up Fully Binarized LLMs from Scratch via Autoregressive Distillation》
无论是语速超快、发音复杂的绕口令，还是精妙绝伦的文言文，又或是充满即兴和灵感的随意聊天，模型都能流畅自然地给出准确而地道的翻译结果。
这是人类首次证明神经网络可以创建自己的地图。
自从2007年MEMS（微机电系统，Micro-Electro-Mechanical System）麦克风和加速度传感器做到iPhone内，这个低调的工业品开始逐渐被人所熟知，成就了苹果、华为、三星、小米、OPPO等各种消费电子品牌。
![使用视觉语言模型进行 PDF 检索 [译]](https://blog.vespa.ai/assets/2024-07-15-retrieval-with-vision-language-models-colpali/GRuDx-xXAAAFqBR.jpeg)
近年来，随着大语言模型 (LLM) 的发展，构建检索增强生成 (RAG) 解决方案成为了一个热门话题。RAG 将 LLM 的强大功能与检索模型结合，应用于专有知识数据库。然而，对于开发人员来说，一个主要挑战是将各种文档格式（如 PDF、HTML 等）转换为可供文本模型处理的格式。
「超级助手」正在走进现实。
