每日AI快讯
TimesFM 2.0 – 谷歌研究团队开源的时间序列预测模型
TimesFM 2.0是谷歌研究团队推出的开源时间序列预测模型。具备强大的预测能力，可处理长达2048个时间点的单变量时间序列，支持任意预测时间跨度。模型采用仅解码器架构，结合输入修补和修补掩码技术，实现高效训练与推理，支持零样本预测。预训练数据集丰富，涵盖多个领域，使模型具有良好的泛化能力。
NeuralSVG – 文本驱动矢量图形生成技术，转化为有层次结构的矢量图形
NeuralSVG是创新的文本驱动矢量图形生成技术。通过一个小型的多层感知器网络，将文本提示转化为具有层次结构的矢量图形。该网络以形状索引为输入，输出形状参数，再经可微渲染器生成像素输出。
ViTPose – 基于 Transformer 架构的人体姿态估计模型
ViTPose 是基于 Transformer 架构的人体姿态估计模型。以普通视觉 Transformer 作为骨干网络，通过将输入图像切块并送入 Transformer block 来提取特征，再经解码器将特征解码为热图，实现对人体关键点的精准定位。
Nemotron-CC – 英伟达推出的大型预训练数据集
Nemotron-CC是NVIDIA团队推出的大型预训练数据集，能将Common Crawl数据转化为适用于长序列预训练的高质量语料。Nemotron-CC数据集结合分类器集成、合成数据重述和减少启发式过滤器依赖等方法，实现数据量和质量的更好平衡。
NVIDIA-Ingest – 英伟达开源的智能文档提取及结构化工具
NVIDIA-Ingest是英伟达开源的用于解析复杂、混乱的非结构化PDF和其他企业文档的微服务集合。NVIDIA-Ingest能将文档转换为元数据和文本，便于嵌入到检索系统中。NVIDIA-Ingest支持PDF、Word、PowerPoint和图像等多种文档格式，提供多种提取方法，便于在吞吐量和准确性之间进行权衡。
Eko – Fellou AI 推出的开源 AI 代理开发框架
Eko是Fellou AI推出的生产就绪型JavaScript框架，基于自然语言驱动的方式，帮助开发者轻松创建从简单指令到复杂流程的可靠智能代理。Eko支持所有平台，包括计算机桌面环境和浏览器环境，提供统一且便捷的操作界面。
Emotion-LLaMA – 多模态情绪识别与推理模型，融合音频、视觉和文本输入
Emotion-LLaMA是多模态情绪识别与推理模型，融合了音频、视觉和文本输入，通过特定情绪编码器整合信息。模型基于修改版LLaMA，经指令调整以提升情感识别能力。研究者构建了MERR数据集助力训练与评估，使模型能从多场景学习并应用于现实。
GR00T-Teleop – 英伟达发布通过 Apple Vision Pro 捕捉人类动作的技术
GR00T-Teleop是NVIDIA Isaac GR00T的一部分，用在捕获远程操作数据的关键技术。基于NVIDIA CloudXR连接Apple Vision Pro头显，用专门设计的人形远程操作自定义CloudXR运行时，将手部跟踪数据流式传输到模拟平台，如Isaac Lab，将机器人环境的沉浸式视图流式传输回设备。
MiniRAG – 港大推出高效部署小语言模型的新型 RAG 系统
MiniRAG是香港大学推出的新型检索增强型生成（RAG）系统，专为在资源受限的场景下高效部署小型语言模型（SLMs）设计。MiniRAG基于两个关键技术实现这一目标：一是语义感知的异构图索引机制，将文本片段和命名实体结合，减少对复杂语义理解的依赖；二是轻量级拓扑增强检索方法，用图结构进行高效知识发现，无需高级语言能力。
Riona-AI-Agent – AI社交工具，可在社交媒体平台自动化交互点赞评论
Riona-AI-Agent是Node.js 和 TypeScript 构建的 AI 驱动的自动化工具，能与 Instagram、Twitter 和 GitHub 等社交媒体平台进行交互。Riona-AI-Agent能生成引人入胜的内容，自动化交互，高效管理社交媒体账户。Riona-AI-Agent主要功能包括每天在 Twitter 上发布 17 次推文、在 Instagram 上自动登录和点赞评论，及即将推出的 Twitter 和 GitHub 自动化功能。