MarkTechPost
PulseAugur coverage of MarkTechPost — every cluster mentioning MarkTechPost across labs, papers, and developer communities, ranked by signal.
10 天有情绪数据
-
使用 lift-pdf 构建的模式引导发票智能管道
本教程详细介绍了使用 lift-pdf 创建一个端到端的应付账款提取管道。该过程包括生成合成发票，定义关键字段（如供应商身份和总金额），然后指示模型直接从 PDF 布局中提取这些值。它解决了实际挑战，例如区分账单地址和送货地址以及处理部分付款的发票，旨在为发票挖掘提供文档智能的真实演示。
-
顶级无代码AI工具加速工程师开发进程
无代码工具正在革新AI开发，使没有广泛编码知识的个人能够高效地构建智能应用程序。这些平台简化了诸如创建RAG系统、设计多代理工作流和微调大型语言模型等流程，显著减少了开发时间和精力。文章重点介绍了六款杰出的无代码工具，它们正在赋能AI工程师和开发者。
-
OCRmyPDF教程指导可搜索PDF转换及高级功能
一项新教程详细介绍了如何使用Python工具OCRmyPDF将扫描文档转换为可搜索的PDF/A文件。该指南涵盖了侧边栏文本提取、批量处理以及优化Tesseract以提高准确性等高级功能。它还演示了清理嘈杂扫描件、纠正文档方向以及直接在内存中执行OCR的技术。
-
NVIDIA 发布 Open-SWE-Traces 数据集用于 AI 软件工程训练
NVIDIA 发布了 Open-SWE-Traces，一个旨在训练人工智能软件工程任务代理的数据集。MarkTechPost 的一项新教程演示了如何处理该数据集以进行监督微调。该教程涵盖了轨迹解析、代码补丁分析和工具使用指标评估等技术，从而能够创建高质量的训练数据。
-
从头开始构建 OpenHarness 风格的代理运行时教程
本教程深入探讨了如何从头开始构建一个受 OpenHarness 启发的代理运行时系统。它涵盖了关键组件，如带有类型模式的工具使用、权限管理、生命周期钩子、内存集成、技能定义、上下文压缩、错误处理、成本跟踪和多代理协调。该指南通过暴露从任务接收到模型动作选择、工具验证和执行的控制流，强调理解代理框架的内部工作原理，最终完成用户的任务。该实现设计为无需 API 密钥或复杂的基础设施即可运行，从而促进了对代理架构的实验。
-
GLM-5.2模型在OpenAI兼容API功能指南中得到详细介绍
本教程通过OpenAI兼容API提供了使用GLM-5.2模型的指南，重点介绍了其高级功能。它详细介绍了如何设置Together和Hugging Face等各种提供商，安全地管理API密钥，并创建一个可重用的聊天包装器。该指南演示了实际应用，包括控制推理工作量、使用流式传输获取响应、实现函数调用、构建简单的工具使用代理以及执行长上下文检索。
-
OpenAI 发布 GPT-Image-2 和 GPT-5.5 Instant 升级，以及新的网络安全工具
OpenAI 发布了 GPT-Image-2，并将其提供给 Together AI，供开发者集成到他们的应用程序中。该模型每次调用支持最多 16 张参考图像，并提供原生 1K、2K 和 4K 输出，具有高多语言文本渲染准确性。同时，OpenAI 已将其免费 ChatGPT 模型升级到 GPT-5.5 Instant，增强了其理解上下文、处理复杂查询和适应用户澄清的能力，旨在提供更自然、更连贯的响应。此外，OpenAI 还推出了 GPT…
-
Anthropic 根据美国出口管制命令暂停在全球范围内使用 Fable 5 和 Mythos 5 模型
在 2026 年 6 月中旬发布的美国出口管制指令后，Anthropic 已在全球范围内暂停了其 Fable 5 和 Mythos 5 模型。该指令以国家安全为由，要求 Anthropic 阻止外国国民访问，导致该公司由于无法实时区分而对所有用户禁用了这些模型。尽管 Anthropic 对该指令的风险定性和程序提出异议，但 Fable 5 或 Mythos 5 没有确定的恢复日期，不过 Opus 4.8、Sonnet 和 Haiku …
-
城市功能推断的空间图学习流程详解
本教程演示了如何构建一个用于城市功能推断的空间图学习流程。它利用 city2graph、OSMnx 和 PyTorch Geometric 等库来处理 OpenStreetMap 数据，构建图结构，并训练 GraphSAGE 模型。该过程包括收集兴趣点 (POI) 和街道网络数据，进行空间特征工程，并创建异构和同构图表示，以基于空间上下文预测 POI 类别。
-
Microsoft SkillOpt 简化 AI 提示词优化
微软推出了 SkillOpt，一个旨在通过自动化工作流来优化 AI 提示词的工具。该系统允许提示词的推出、反思和验证，以提高 AI 模型性能。MarkTechPost 提供了一个关于其实现的教程。
-
低代码 AI 工具使用户能够通过文本提示构建应用程序
低代码和无代码 AI 开发的格局正在迅速发展，平台越来越多地集成 AI 代理，这些代理可以从文本提示生成应用程序。Atoms、Bubble 和 Adalo 等工具使用户无需编写代码即可构建功能性应用程序、代理和自动化，涵盖从想法验证、后端开发到部署和优化的所有内容。这一转变使企业家和团队能够快速创建可盈利的产品，选项范围从应用程序和 UI 构建器到工作流自动化和代理平台。
-
新的VISTA框架增强了LLM提示优化
研究人员开发了VISTA，一个用于自动优化大型语言模型提示的新框架。该方法旨在克服现有反思性提示优化技术的局限性，这些技术可能不透明并导致性能下降。VISTA将假设生成与提示重写分离，从而实现更具可解释性的优化跟踪，并提高在算术应用题等复杂任务上的准确性。
-
教程为 arXiv 上的数学问题构建语义搜索
本教程详细介绍了如何使用 ResearchMath-14k 数据集创建语义搜索引擎和开放状态分类器。该数据集包含来自 arXiv 的数学问题。过程包括加载和分析数据集的结构，例如问题在不同数学领域和开放状态类别中的分布。关键步骤包括提取特定领域的关键词、生成语义嵌入、可视化数据图景、聚类相似问题以及训练分类器以从这些嵌入中预测问题状态。
-
iii 平台教程展示了如何构建文档智能后端
本教程演示了如何使用 iii 平台构建文档智能后端。它指导用户安装 iii 引擎和 Python SDK，设置 Python worker，并定义用于文本规范化、分词、情感分析和关键词提取等任务的独立函数。然后，这些函数被组合成一个管道，可以通过 HTTP 端点或计划的 cron 触发器直接执行，从而提供一个强大的后端系统。
-
Loguru 教程展示高级 Python 日志记录技术
本教程演示了如何使用 Loguru 库实现健壮的 Python 日志记录管道。它涵盖了结构化和上下文日志记录、自定义日志级别以及可调用格式化程序等高级功能。该指南还解决了实际需求，如 JSON 日志文件、压缩、保留、异步日志记录和多进程安全日志记录，使其适用于严肃的 Python 应用程序。
-
Zeroentropy 发布基于 Qwen3 的重排器，用于精确搜索结果
本教程演示了如何使用 zeroentropy/zerank-2-reranker 模型实现高精度检索与重排流水线。该模型基于 Qwen3，作为交叉编码器，用于提高搜索结果质量。该过程包括使用快速双编码器进行初始检索，然后使用 zerank-2 进行重排阶段，以提高结果的精确度。教程展示了其在金融、法律和代码领域的应用，并使用 NDCG@10 评估性能。
-
新的SIA框架通过更新脚手架和权重来自我改进AI
研究人员推出了一种新颖的自我改进AI系统SIA，该系统可同时更新智能体的脚手架（工具、提示、逻辑）及其模型权重。这一方法在最新论文中进行了详细介绍，它结合了两个先前独立的研究方向：脚手架更新和测试时训练。通过整合这些方法，SIA旨在克服AI开发和改进中的人为瓶颈。在法律分类、GPU内核优化和RNA去噪任务上的评估表明，与仅更新脚手架或权重的现有方法相比，性能有了显著提升。
-
Langfuse 教程展示用于追踪和评估的 LLM 流水线
本教程演示如何使用 Langfuse（一个开源平台）为 LLM 应用程序构建完整的可观测性和评估流水线。该指南涵盖追踪、提示管理、评分和实验执行，提供了一个实用的工作流程。它支持与 OpenAI 或确定性模拟 LLM 集成，允许用户在无需付费模型访问权限的情况下探索 Langfuse 功能。
-
SHAP 指南详细介绍机器学习模型可解释性工作流
本指南提供了一个使用 SHAP 可解释性工作流解释机器学习模型的实用框架。它详细介绍了如何训练基于树的模型，并比较了各种 SHAP Explainer，如 Tree、Exact、Permutation 和 Kernel 方法。本教程还考虑了模型感知和模型无关的技术，探讨了不同方法对准确性和运行时的影响。
-
Django-Unfold 教程展示了如何构建高级管理仪表板
本教程详细介绍了如何使用 Django 和 Django-Unfold 库构建高级管理仪表板。它指导用户完成 Unfold 的安装、项目设置和配置，包括自定义主题、导航以及过滤器和操作等功能。该过程涉及定义电子商务模型、使用示例数据填充数据库，并通过 Web 浏览器访问管理面板。