登录社区云，与社区用户共同成长
邀请您加入社区
Nanonets团队开源了 Nanonets-OCR-s，该模型基于Qwen2.5-VL-3B微调，9G显存就能跑。
2025 魔搭开发者大会，来了！ 6月30日，北京海淀 · 香格里拉饭店 AI领域重量级嘉宾前瞻演讲 200+国内外顶级学者与模型研发团队思想交锋 聚焦最前沿模型、最新最热工具链 Agent与MCP生态发展、科研智能 即刻起，免费报名 （席位有限，先到先得） 详情请见 点击链接链接，直达报名 https://hd.aliyun.com/form/6263?hid=35462&c
01.前言 MiniMax最新发布了全球首个开源大规模混合架构的推理模型——MiniMax-M1！ M1在面向生产力的复杂工作场景，包括软件工程、长上下文与工具使用上表现优异，超过国内的闭源模型，接近海外的最领先模型，同时又有业内最高的性价比。 M1支持目前业内最高的100万上下文的输入，与Gemini 2.5 Pro 一致，以及业内最长的8万Token的推理输出，长于Gemini 2.5的 6
从2022年11月的青涩发布，魔搭现今已进入第三个年头，成为中国最大最活跃的开源模型社区，与超过1600万的开发者同行。
魔搭ModelScope本期社区进展： 1173个模型：Magistral-Small-2506、dots.llm1、MonkeyOCR等； 143个数据集：saisdata、OpenThoughts3-1.2M、MMVU等； 76个创新应用：BMMR-Leaderboard-detailed、RedNoob、openaudio-s1-mini等； 10 篇内容： 告别‘人海战术’！
在知识爆炸、信息过载的时代，如何洞悉 AI 领域前沿趋势？OpenMMLab 联合 Hugging Face、ModelScope、知乎及机智流等重磅推出 AI Insight Talk
01.前言 生成式模型在文本生成图片等领域的快速发展，为社区带来了日新月异的诸多文生图模型。如何对这些多样化的模型进行模型效果上的客观评估，已经成为技术选型与优化的关键。传统的模型评测方法高度依赖人工标注与主观判断，往往需投入大量人力进行样本筛选、质量评分及结果分析，不仅周期长、成本高，还可能因评审者主观偏好导致结果偏差，这在图片生成领域尤为突出。例如，在文本-图像对齐度评测中，人工评分过程会涉及
01.摘要 近年来，人工智能快速发展，大语言模型（LLM）在数学、代码等领域展现出强大的推理和生成能力，正在被广泛应用于各种场景。为了更准确评估LLM 的推理能力，之前有研究者们陆续构建了多个标准化数据集，以数学领域为例，如GSM8K、MATH、UGMathBench 等，用于衡量模型解决数学问题的准确性。 然而，与数学相比，物理推理任务更具挑战性：不仅依赖数学推导能力，更需掌握物理法则、理解物理
尽管最新的基于大规模预训练视觉语言模型（VLMs）的研究在少样本异常识别领域取得了一些进展，但这些方法通常依赖于少量正常样本与查询样本的直接特征匹配。
如何开发自己的一个MCP server
