标签： 大模型

开源项目 hugohe3/ppt-master 登上 GitHub Trending，它能把 PDF、DOCX 或网页主题直接转成原生可编辑的 PPTX，而非填充模板或纯文本框，目标是让 AI 生成的演示文稿尽量向手工制作的 PowerPoint 靠拢。

Hugging Face Papers 收录的 OmniCapBench 提出把音视频字幕评测拆成实体、镜头、音频事件三类原子单元，用确定性检查和局部语义比较来暴露多模态大模型的感知与推理短板。

Lauren 让 Grok Bot 给 Tibo 发一份 Python 入门教程，Bot 却把教程投递回了 Lauren 自己的 Grok Bot，原因是英文聊天里“you/他”被默认解析成发指令的人而非对话中提到的第三方。这类代词指代消歧问题，正在成为 agent 类产品进入群聊自动化后的高频失误点。

INDIGO TALK 最新一期围绕郭宇从 2015 年在字节初见神经网络产品，到十年后在东京独自用 Agent 做出三十多个产品并陷入倦怠的经历，讨论 Vibe Coding、Agent OS 与软件供给过剩后的价值判断。

10 月 9 日，创作者邵艾伦发布了与孙宇晨长达约 4 小时 22 分钟的对谈，内容横跨 AI 辅助训练、创业出海、个人 IP 与人生选择。这场对话没有发布任何产品，但其中关于“用 AI 整理连续记录”“决策前先探图”“把学习变成一次小交付”的三个方法，对普通使用者仍有可操作价值。

RoboRSI 用技能树式「自进化」让机器人在真实环境中执行多物体清理，104 轮迭代后无需人工干预即可适应场景变化；其结构化修复机制在 LIBERO 等仿真评测中比最强基线高 2.7 至 11.0 个百分点。值得关注的是它把每次失败归因到具体技能节点，而非盲目调参。

孙宇晨在一场约4小时22分钟的对谈中，分享了自己如何用Claude等大模型管理饮食、训练与睡眠数据，并提出以AI为基础设施的零资源起步路径，涉及Crypto与AI Agent支付、财富自由与个人版本更新等话题。