文本/LaTeX/HTML 表格一步搞定！OvisOCR2 实现端到端文档智能解析；1.4 万+ 元素标注、万条语言指令！Voxel51 发布 SceneFun3D 室内场景微观交互数据集

2 小时前

OvisOCR2 由 ATH-MaaS 、阿里等团队于 2026 年 7 月推出，是一款参数仅 0.8B（约 1.7GB）的紧凑型端到端文档解析模型。该模型基于 Qwen3.5-0.8B 构建，能将文档图像直接转化为保留自然阅读顺序的结构化 Markdown 格式，并精准解析文本、公式、表格及可视区域。凭借创新的混合数据引擎与多阶段（SFT 、 RL 和 OPD）训练方案，OvisOCR2 在 OmniDocBench v1.6 评测中斩获 96.58 分，成为首个性能超越传统流水线方法的端到端模型，完美实现了极低部署成本与卓越性能的统一。

目前，HyperAI 超神经官网已上线了「OvisOCR2：0.8B 端到端文档解析模型」，快来试试吧~

在线使用：https://go.hyper.ai/1qOnc

欢迎登录官网查看更多内容：

https://hyper.ai

7 月 18 日- 7 月 24 日，hyper.ai 官网更新速览：

* 优质公共数据集：9 个

* 优质教程精选：9 个

* 社区文章解读：1 篇

* 热门百科词条：5 条

* 8 月截稿顶会：6 个

访问官网：hyper.ai

公共数据集精选

1. SceneFun3D 3D 场景功能交互数据集

SceneFun3D 是由 Voxel51 于 2024 年发布的 3D 场景功能交互数据集，聚焦于微小交互部件的细粒度理解，涵盖部件定位、 Gibsonian 功能推理、运动参数估计及自然语言任务描述。该数据涵盖 710 个高分辨率真实室内场景，包含 14,867 个功能交互元素标注、 9 类功能类别、 14,279 个运动参数以及 10,913 余个自然语言任务指令。

在线使用：https://go.hyper.ai/g81mC

2. Vāgdhenu 梵语吟诵语料数据集

Vāgdhenu 是一个单人梵语吟诵录音语料库，主要面向梵语语音合成训练、韵律格律研究及语言无障碍应用等场景。该数据集共包含 1,467 个片段，音频总时长约 5.3 小时，采用 24 kHz 单声道 WAV 格式，数据集包含 style_a 与 style_b 两个独立子集，覆盖大量不同诗节。

在线使用：https://go.hyper.ai/D7Q6H

3. Math-Graph 数学定理依赖图数据集

Math-Graph 是由华盛顿大学数学人工智能实验室于 2026 年发布的数学定理依赖图数据集，构建了一个语句级粒度的数学定理依赖图。该数据集包含 47,952 条非形式化与形式化数学的语句匹配对，将两类数学知识整合为一张连贯的依赖图，覆盖非形式化与形式化数学，涵盖论文元数据、数学语句、依赖关系边以及 LLM 生成的自然语言描述数据。

在线使用：https://go.hyper.ai/CtIDb

4. GLM-5.2 Agent 智能体交互轨迹数据集

GLM-5.2 Agent 是由 TeichAI 使用 Teich 生成的一个 GLM – 5.2 模型原始智能体交互轨迹数据集，旨在为智能体（Agent）模型的训练设计提供标准化、可解析的会话记录，支持后续的微调与工具调用能力增强。

在线使用：https://go.hyper.ai/itLRp

5. EVA-Bench 端到端语音智能体基准数据集

EVA-Bench 是由 ServiceNow 发布的一款端到端语音智能体评估基准数据集，旨在评测语音智能体的任务完成能力与交互体验。该数据集包含 213 个场景，涵盖航空客服管理、医疗人力资源服务和企业 IT 服务管理 3 个企业领域，支持对多轮语音交互、工具调用、任务完成情况和语音场景鲁棒性进行综合评估。

在线使用：https://go.hyper.ai/51B4l

6. Metacognition-Bench 元认知基准数据集

Metacognition-Bench 是由 ginigen-ai 发布的一个有关大语言模型元认知能力的基准测试数据集，旨在测量模型检测自身推理错误并自我纠正的功能性元认知能力，而并非仅仅评估最终答案的准确性。该数据集包含 300 个元认知陷阱问题，覆盖数学、物理、生物、法律、医学、经济学、统计学、伦理学、计算机科学等 121 个领域，涵盖 8 种元认知行为类型，包括自我纠正、陷阱逃脱、转换检测、矛盾解决、渐进发现、多约束处理、专家面板和不确定性决策。

在线使用：https://go.hyper.ai/8qdca

7. SVG Benchmark 静态图像生成基准数据集

SVG Benchmark 是由 Rapidata 于 2025 年发布的大模型静态图像生成评测数据集，旨在通过人工评估对比 30 个前沿大语言模型根据文本提示生成静态 SVG 的能力。该数据采用两两对比的形式进行数据收集，包含 500 个来自人工撰写或公开数据集的英文提示词，188,754 组图像对比样本，以及基于人类投票的 1,355,161 条偏好反馈。

在线使用：https://go.hyper.ai/13Rn2

8. IFStruct v1.0 结构化输出合规性基准数据集

IFStruct v1.0 是由 Liquid AI 于 2026 年发布的结构化输出合规性基准测试数据集，旨在系统评估大语言模型生成符合指定 Schema 的结构化输出的能力。该数据集包含 2,000 条提示词，每条提示词要求模型根据目标模式生成若干实例，提示词的呈现风格包括自然对话、显式路径指令、原始 JSON Schema 、代码块要求、无附加文本等，且均附带严格的底层 Schema 验证规范。

在线使用：https://go.hyper.ai/3NUcg

9. EdgeBench 智能体真实环境学习基准数据集

EdgeBench 是由字节跳动（ByteDance Seed）于 2026 年发布的智能体真实环境学习基准测试数据集，旨在评估自主 AI 智能体从真实环境中学习的能力。该数据集包含 134 个真实世界任务，其中 51 个任务已开源，涵盖科学计算与机器学习、系统与软件工程、最优化、知识推理、形式化推理及博弈游戏六大能力类别。

在线使用：https://go.hyper.ai/FqmX7

公共教程精选

1. OvisOCR2：0.8B 端到端文档解析模型

OvisOCR2 模型由 ATH-MaaS 团队于 2026 年 7 月发布，是一个紧凑的 0.8B 端到端文档解析模型。该模型通过对 Qwen3.5-0.8B 进行后训练构建，采用精心设计的数据引擎（结合真实数据与合成数据）以及集成 SFT 、 RL 和 OPD 的多阶段训练策略。

在线运行：https://go.hyper.ai/1qOnc

2. RoBERTa Tweet 情感文本抽取

RoBERTa 模型是由 Facebook AI 团队于 2019 年 7 月发布，其核心创新与特点为在 BERT 基础上引入动态掩码策略、更大批次训练和更多训练数据，显著提升了 NLP 基准测试性能。

在线运行：https://go.hyper.ai/8iZIz

3. handson-ml2 机器学习实战教程

这是一个完整的机器学习实战教程集合，包含从机器学习基础到深度学习的全面内容。本教程基于 Aurélien Géron 的经典著作《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow》（第 2 版）。

在线运行：https://go.hyper.ai/jEyUh

4. Keras 深度学习基础教程 — 乳腺癌分类

本教程源自 Kaggle 上 Paras Jindal 于 2026 年 7 月发布的入门级深度学习项目，使用 Keras Sequential API 构建神经网络模型，对乳腺癌细胞特征数据进行良恶性二分类。

在线运行：https://go.hyper.ai/s1X9X

5. Recommendation Engine 共购推荐引擎

共购推荐引擎是一个基于 Chris Deotte 的 Kaggle Notebook Recommend Items Purchased Together 的推荐系统，该 Notebook 于 2022 年 2 月发布。其核心创新在于通过分析历史交易数据构建共购矩阵，从而推荐经常一起购买的商品，融合了三种策略：历史购买频率、共购模式和热门商品兜底。该算法在 H&M 个性化时尚推荐竞赛中取得了 MAP@12 = 0.021 的成绩。

在线运行：https://go.hyper.ai/fiegd

6. Titanic 数据科学解决方案：从零入门机器学习

Titanic – Machine Learning from Disaster 是 Kaggle 平台上最经典的入门竞赛之一。任务目标是根据乘客的个人信息（舱位等级、性别、年龄、家庭规模等），预测其在泰坦尼克号沉船事故中是否幸存。

在线运行：https://go.hyper.ai/gGUJO

7. 灾难推文分类：使用 BERT 进行 NLP 文本分类

本教程基于 Kaggle 上 xhlulu 的经典 Notebook，使用 BERT 进行灾难推文二分类。本教程通过一个完整的 NLP 实战项目，带你从零搭建 BERT 文本分类 pipeline：数据加载 → Tokenization 编码 → 模型构建 → 训练微调 → 推理预测。你将学会如何将预训练 BERT 应用于自定义二分类任务，并理解 [CLS] token 、 sigmoid 输出层等关键设计选择背后的原理。

在线运行：https://go.hyper.ai/ENFgs

8. Ternary-Bonsai-27B：7.2GB 三值量化推理 27B

Ternary Bonsai 27B 是由 Prism ML 团队于 2026 年 7 月开发的推理型大语言模型，基于 Qwen3.6-27B 进行端到端三值化量化。模型采用混合注意力机制（~75% 线性注意力 / ~25% 全注意力），支持 262K 超长上下文，在 100K token 上下文下仅需 ~14.7 GB 峰值内存。提供 DSpark 投机解码加速层，可实现 1.34x 无损解码加速。

在线运行：https://go.hyper.ai/OfSLw

9. Lyft Motion Prediction：基于 ResNeXt50 FPN 的自动驾驶车辆运动轨迹预测

Lyft Motion Prediction 是 Lyft 在 2020 年举办的 Kaggle 竞赛，任务是根据自动驾驶场景中的上下文信息，预测智能体（车辆、行人等）未来 5 秒的运动轨迹（50 个时间步，10Hz）。

在线运行：https://go.hyper.ai/vJYkN

💡我们还建立了 Stable Diffusion 教程交流群，欢迎小伙伴们扫码备注【SD 教程】，入群探讨各类技术问题、分享应用效果~

社区文章解读

1. 基于超 1 万肿瘤样本训练，哈佛医学院等提出泛癌症基础模型 COMPASS，平均性能优于 22 种现有方法

来自哈佛医学院、罗氏制药及浙江大学的研究团队提出一种泛癌症基础模型 COMPASS 。该模型基于来自 33 种癌症类型的 10,184 个肿瘤样本进行训练，并在 7 种癌症、 6 种免疫检查点抑制剂覆盖的 16 个临床队列中进行评估。结果显示，COMPASS 的平均性能优于 22 种现有方法，在不同队列中平均将预测准确率提升了 8.5% 。

查看完整报道：https://go.hyper.ai/FyRsC