标签
介绍开源工具 BabelDOC：一款专为 PDF 论文翻译打造的库，可生成中英双语对照版本，保持公式、表格、图片排版位置，支持扫描 PDF 与长文分段翻译，GitHub Star 已超过 9400。
Chandra OCR 2.6 发布，宣称在 API 上比前沿模型更快、更便宜且更准确，超越 Gemini Flash、Opus 和 Sol，成本降低 5-15 倍，速度提升 2-10 倍。
Unlimited OCR 2 目前是 Papers with Code 上的热门论文第一名，用户可以通过聊天界面对论文 PDF 进行对话式问答。
OpenAI 客户案例：英国医疗平台 Anima 使用 GPT-6 处理临床文档、GPT-Live 驱动 AI 接线员 Andi，帮助诊所将电话等待时间从 40-50 分钟降至 10 分钟（减少 75%），文档处理效率提升 2-4 倍，目前已覆盖超 1400 万患者。
一位正在为非洲一家大型进口商的关务团队构建 AI 智能体的开发者分享了其原型（基于视觉的文档读取、基于规则的交叉核查、经人工批准的 Outlook 邮件草稿、决策记忆），并向社区征求有关模型选择、Microsoft 365 邮箱访问范围限定、决策记忆设计、单人维护的可行性，以及合同与责任风险定价的建议。
Lleverage 在 Product Hunt 上发布，利用 AI 代理为制造业、批发商和分销商自动处理后台业务：从邮件和 PDF 读取订单、发票及采购单，与 ERP（SAP、Business Central、Exact、NetSuite 等）核对并自动入账，仅将异常留给人工审批，全程留有审计记录且无需迁移 ERP。
ScaleDown 发布了三款小型 Constrained Decoding 模型（Classify、Extract、Summarize），支持 1M token 输入窗口和图像输入，通过单次 prefill 直接从输入中选取答案而非逐 token 生成，据称比前沿 LLM API 快 200 倍、便宜 467 倍。
LlamaIndex 在纽约和旧金山举办了参与度很高的活动，讨论 AI 智能体在解析文档版式方面遇到的难题，并与 Kernel、Braintrust、WorkOS 和 Daytona 合作。
本文比较了AI分类器Jev、Quinn、Leia和Jeff在语言检测和分类等文档任务中的表现，显示Jev和Quinn在准确性、成本和延迟方面表现最佳。
PDF Doc Generator 是一个AI代理，通过自动检测文档类型并应用适当的样式和布局，将未完成的笔记和草稿转换为专业格式化的PDF。
本文提出Multi-Split边界决策（MSBD），用于降低基于大语言模型的零样本页面流分割中的推理成本，在适当窗口大小下展示效率提升并保持准确性。
PaperPod是一项将PDF文档转换为播客节目的服务，能在约一分钟内生成一个20分钟的双主持人节目，无需GPU或录音室设备。
learn-from-materials Agent技能将PDF、EPUB、Word文档和PPT转换为具有源追踪和知识库构建功能的交互式学习网站。
Typst，一个定位为 LaTeX 替代品的排版系统，发布了版本 0.15，包含新功能，支持可变字体、MathML 和多个参考文献列表。
本文介绍了一个综合基准测试，用于评估大型语言模型在OCR噪声下进行文档键值提取的能力，揭示了显著的性能下降，并强调了需要联合优化OCR质量和LLM推理。
本文引入了证据对齐的局部组合，这是一种通过从损坏观察的边缘证据推断冻结领域专家的软权重来恢复损坏文档的方法，在没有标注数据的情况下实现了跟踪专家区域的高准确率。
TextGen 是一款工具，让用户能在自己的电脑上本地运行强大的AI模型，完全隐私、离线可用，并通过简单的下载和设置支持文本、图像和文档。
Weaviate 引入了一种无需文本提取即可搜索PDF的方法，通过后期交互多向量检索将每一页作为图像嵌入，在NVIDIA投资者演示文稿中进行了演示。
本文概述了一个用于金融文档的高精度语义证据和RAG系统的多门架构，强调了可追溯性、对账和混合检索，并征求对其设计的反馈。