読み込み中…
読み込み中…
210件の記事
MarkTechPost は、Colab 環境で RAG-Anything ワークフローを実装し、テキストや表、数式、画像など多様なデータ形式に対するマルチモーダル検索の仕組みを検証するチュートリアルを公開しました。
アリババが公開したオープンソースプロジェクト「Page Agent」は、外部プロセスではなくウェブページ内に JavaScript として埋め込まれ、スクリーンショットや多モーダルモデルを使わずに DOM を直接読み取って自然言語で Web インターフェースを操作する技術です。
Go で書かれたオープンソース CLI ツール「ghealth」が Google Health API をラップし、睡眠や心拍数などの Fitbit データを構造化 JSON として提供。これにより開発者や AI エージェントが端末から直接健康データを取得・活用できるようになる。
MarkTechPost は、16GB GPU でも動作する Lift ベンドエンドを用い、研究 PDF から構造化データへ変換するワークフローと、制御された評価手法を解説している。