AI奶爸 (@zstmfhy)
@zstmfhy
AI奶爸 · 万象AI实验室共创者
系统分析师 × 现AI创作者 | 专注AIGC创作
用AI画图、写漫剧、做视频，把技术变成故事
🎨 每周分享：漫画分镜AI化 | 视频生成流程
🚀 实操教程 + AI编程 | 适合AI创作的新手与进阶者
🤖 技术不该高冷，创作可以很暖
合作：ZST321456
447 正在关注 28.4K 粉丝
折腾了大半个月，终于把大厂一手国模代理拿下了。
GLM 5.2，我这儿 5.5 折起。
其他模型折扣也都很顶。
有API接入需求的老板，直接私信报量，价格好说。
显示更多
📢 百度昨天刚开源了一个很有意思的 OCR：Unlimited OCR
名字就很狂——"无限"。
看完技术报告，核心就一句话：它让 AI 像人类一样"抄书"。
✅️ 完整图像信息始终可见，不会丢
人类抄书时眼睛始终能看到原书，R-SWA 让每个生成的 token 都能 attend 到所有视觉 token，视觉特征不会像传统滑动窗口那样逐步模糊。
✅️ 输出端只保留最近 128 个 token
就像人类只会偶尔瞄一眼刚写的几个字确认进度，不会把整本书背下来。这个设计让模型自主追踪解析进度，实现"软遗忘"。
✅️ KV Cache 恒定，一次前向推理直接转录数十页
没有分段，没有拼接，没有"忘了前面写了什么"的尴尬。32K 标准上下文下，整篇论文丢进去一次性输出。
📊 更狠的是性能
从视频演示看，它直接把整篇技术报告（十几页）丢进去，一次性输出完整结构化结果——标题、正文、表格、公式、参考文献，全部精准还原。延迟还不随页数增长，传统全注意力越往后越慢，R-SWA 全程稳定。
🔍 报告里的一个"彩蛋"
🤔 但最让我好奇的，是技术报告里的一个「彩蛋」
核心贡献者三位：Youyang Yin、Huanhuan Liu*（项目 leader）、YY†（技术总监）。
前两位用真名，唯独技术总监挂了缩写 "YY"。
YY 是谁？YYDS？DS？
更微妙的是，GitHub 致谢栏把 DeepSeek-OCR 和 DeepSeek-OCR-2 排在了前两位。而 DeepSeek-OCR 系列的核心作者魏浩然，正是春节前后从 DeepSeek 离职、传闻将入职「某大厂」的那位。
国内 OCR 圈不大，能做出 R-SWA 这种级别突破、还对 DeepSeek OCR 架构有「亲手做过」级别熟悉的人，一只手数得过来。
技术报告的行文风格也很有意思——故事性极强、想法激进、带有强烈的探索型色彩。这些标签，此前几乎是 DeepSeek 技术报告的专属。
当然，这只是我看完报告后的一个直觉。百度官方没说什么，我也只是猜猜。
模型已开源，感兴趣去点个 ⭐
👉GitHub：
👉HuggingFace：
感觉百度最近搞 AI 的路子，真的不太一样了。
显示更多
Unlimited-OCR 🔥New OCR from @PaddlePaddle
It can parse hundreds of pages in a single pass while maintaining stable speed.
The key idea is R-SWA (Reference Sliding Window Attention), which keeps KV cache constant during decoding.
🏆 93% on OmniDocBench
📈 +6% over DeepSeek-OCR
显示更多
微信同步到Obsidian，这个方案真好，用起来吧
世界模型最先掀桌子的，不是医疗，不是自动驾驶。
是做股票的那帮人。
那天去参加一个 AI 聚会，满屋子都是 AI 圈的人。
聊到一个问题——世界模型这东西，最先会在哪个行业掀桌子？
有人说医疗，有人说自动驾驶。
我越听越觉得，真正可能被它改命的，是另一拨人：
做股票的。
聚会上碰到个小伙子，年纪不大。
高一他爸就放手让他碰股票、碰深度学习。
到高三，他已经跟合伙人一起做投资，一路做到今天。
干的是量化交易，合伙人来头不小。
（为了保护他，公司名、人名我都不说。）
他亲口讲了最近一个单子是怎么来的——
我们一般以为量化交易，核心是 AI 替你算好买点卖点。
不是。
他说那只是一小块。
真正吃饭的本事就俩字：信息。
挖信息，以及拿到信息之后，对未来一周整件事怎么走的判断。
有段时间，中国和俄罗斯签了一份钢铁交易的协议，但国内当时没报道。
他们靠 AI 把全网细枝末节的线索一条条扒出来、交叉验证，确认这事八九不离十。
再用世界模型把后面的走势推演一遍，然后极快地下单了钢铁方向。
等国内消息正式公开——
那只股票，大涨。
听完我有三个判断，兄弟们一起琢磨：
✅ 一、蝴蝶效应来得贼快
现在这世界越来越是一个整体，一点风吹草动就牵一发动全局。
偏偏美国又在躁动期，经常不按常理出牌。
这种时候，一个稳的模型就太重要了——这么多细节之间的关联，人脑根本算不清。
✅ 二、经济本来就越来越敏感
世界模型天生更容易往经济判断上使劲。
全球经济这么不均衡，这套东西早晚被怼到金融这个领域来。
✅ 三、机器对机器的时代来了
中国最近股市政策也在密集调整。
散户其实根本不想跟大机构的机器拼，可拼着拼着，最后就变成机器和机器的对决。
到那一步，谁的世界模型强、谁的信息搜集快、谁的现实模拟准，谁赢。
所以说句掏心窝的——
比起拿 AI 单点提问要个答案，比起用 AI 工具去造另一个工具，
世界模型用在**"信息+推演"**这条路上，我反而更看好它能走多远。
这让我想到最近一直在关注的一个团队，@FutureLab2025。
他们搞的多模态代理基础设施，本质上就是在做同一件事：
不是让 AI 答题，是让 AI 活在真实世界里做判断。
从"提示和希望"阶段，真正走进复杂任务环境。
这跟我上面说的量化交易逻辑，其实是一个底层范式。
你觉得呢？
世界模型真在金融里落地，是散户的一次机会，还是又一道散户跨不过去的墙？
评论区聊聊 👇
显示更多
While showbiz bickers over AI video continuity glitches and educators remain stuck debating AI-generated PPTs, World Models are quietly disrupting non-tech sectors, igniting a radical paradigm shift in clinical medicine and surgical simulation.
Why healthcare and not Hollywood?
Because Hollywood demands visual perfection, but healthcare mandates absolute physical causality.
Traditional medical AI could only act as a static periscope—pinpointing a lesion on an existing scan.
Yet disease is inherently dynamic. When a physician prescribes a treatment, they historically lacked a patient-specific, long-term window into the exact downstream changes after the patient ingests the drug.
Recent breakthroughs showcased at elite computing summits like ICCV have elevated medical AI from passive visual recognition to a predictive, generative "World Simulator" tailored for prognosis and treatment optimization.
In validated clinical applications, this technology leverages potent counterfactual reasoning.
Take transarterial chemoembolization (TACE) for liver cancer and advanced radiotherapy as prime examples: before finalizing an intervention, a Medical World Model (MeWM) ingests a patient’s current CT imagery to simulate months of dynamic disease progression within its latent space.
It cross-aligns multimodal parameters to synthesize high-fidelity visual representations of post-treatment tumor trajectories. Simultaneously, its inverse dynamics model quantifies how varying embolic agents or drug cocktails shift long-term survival curves. Empirically, this "future-simulation" paradigm has propelled clinical decision success rates (F1-score) by 13%, cementing its role as an indispensable AI co-pilot.
Today, multimodal medical models are rapidly embedding into hospital HIS/EMR nervous systems, as specialized prognosis simulators push past theoretical boundaries into raw performance validation.
The ultimate utility of a World Model isn't coding text or animating fantasy; it is evolving into a rigorous, low-cost simulation infrastructure—serving as a high-stakes safeguard for human decision-making.
【The Grand Forecast】
The successful clinical deployment of Medical World Models proves their unique capacity to "simulate future outcomes before executing current actions." This technical paradigm—trading pure aesthetic appeal for rigid physical and biological causality—is sprawling beyond tech ecosystems at a breakneck speed.
Stripping away healthcare, autonomous driving, and media entertainment, which trial-and-error heavy traditional industry do you predict World Models will infiltrate and disrupt next?
Will it be macro-climate disaster modeling in modern agriculture, dynamic supply-chain evolution in urban planning, extreme stress-testing in deep-sea aerospace engineering, or an entirely unmapped frontier?
Drop your sharpest thesis and reasoning in the comments below. Let’s chart the hidden industrial landscape of the next generation of World Models!
显示更多
