面向跨领域虚假信息检测的自动化决策规则优化多智能体框架

当 OCR 学会"重建"：云知声 U1-OCR 将图片、PDF 一键还原为可编辑 PPT，开启文档智能的重建时代

近日，云知声文档智能基础大模型 U1-OCR 能力全新升级，正式上线 IMG2PPT 智能转换功能。IMG2PPT 基于 U1-OCR 文档智能引擎打造，可将 JPG、PNG、PDF 等静态文件中的内容还原为原生可编辑 PPT，让文本框、图片、列表、形状、表格等全部成为 PPT 原生可编辑对象。这标志着 OCR 技术正式从 "单一内容识别"，进阶至 "智能理解 + 结构重建" 的全新阶段。

云知声U2-RadiMed正式发布，引领医学影像AI迈入“临床推理”时代

作为国内首个深度融合医学影像理解、报告生成、临床推理决策、视觉问答的全链路影像大模型，该模型支持单张、多张影像与文本的多模态混合输入，可完成“看影像→调知识→做推理→出结论”的完整工作闭环，为临床医生提供从病灶筛查、精准诊断到个体化治疗决策的全方位AI辅助支撑，助力影像诊断迈向更高阶的智能化。

云知声U2-ASR、U2-TTS多语种能力全面升级，一套模型打通全球"听与说"

云知声近日全面完成 U2-ASR 与 U2-TTS 的多语种能力升级：ASR 新增 13 种国际语言识别，TTS 新增 8 种东南亚语言合成。至此，U2 语音大模型已支持超 100 种中国方言及超 15 种国际语言。

云知声发布U2-Med专家级三医大模型：以【智能向善】重塑产业，让AI成为扎根一线的“数字专家”

以“智能向善”为初心，U2-Med致力于将AI从“对话工具”升级为扎根业务一线的“数字专家”。通过打破三医数据与业务的孤岛，重构产业生态，U2-Med不仅是在攀登技术的高峰，更是在仰望人类健康的星辰大海——以AI的力量推动医疗服务向更高效、更公平、更智能的方向演进，让科技的温度真正造福全人类的健康福祉。

VAPO：利用全模态大语言模型实现端到端幻灯片增强语音识别

全模态大语言模型为幻灯片增强语音识别提供了端到端解决方案，但容易受到“视觉干扰”，即过度依赖幻灯片文字而忽视语音信号，导致错误转写。为此，本文提出视觉锚定策略优化（VAPO），通过“先看后听”的推理机制，以视觉信息作为语义锚点辅助转写，并结合多目标强化学习进行优化。同时构建 SlideASR-Bench 基准。实验表明，VAPO 可有效减少视觉干扰，并显著降低专业领域中的实体识别错误。

HEALing 熵坍缩：基于混合领域熵动态对齐的少样本 RLVR 探索增强方法

可验证奖励强化学习（RLVR）已被证明能够有效提升大语言模型的推理能力，但现有方法大多依赖充足的训练数据。在低资源场景下，RLVR 更容易出现严重的“熵坍缩”，从而限制模型探索能力并影响推理性能。 为此，本文提出面向少样本 RLVR 的 HEAL（混合领域熵动态对齐） 框架。HEAL 首先引入高价值的通用领域数据，以增强模型探索的多样性；随后提出 熵动态对齐（EDA） 机制，通过对齐目标领域与通用领域的轨迹级熵动态，进一步缓解熵坍缩，并帮助模型学习更丰富的探索策略。 多领域实验表明，HEAL 能够持续提升少样本 RLVR 的性能。尤其是在仅使用 32 个目标领域样本的情况下，其效果即可达到甚至超过使用 1000 个目标领域样本训练的全量 RLVR。

GuideTree：面向长篇医疗记录的指南引导式审阅树

阅读顺序检测是文档理解的基础。现有方法大多采用统一监督，默认不同版面区域的学习难度基本一致。本文指出这一假设存在明显缺陷，并发现一种“位置差异（Positional Disparity）”现象：模型在相对确定的起始和结束区域表现良好，但在结构复杂的中间区域性能明显下降。这是因为大量简单样本会淹没复杂版面中的有效学习信号。 为解决这一问题，本文提出基于**焦点偏好优化（Focal Preference Optimization，FPO）**的 FocalOrder 框架。该方法利用指数移动平均机制动态识别难学习的阅读顺序转换，并通过难度校准的成对排序目标增强全局逻辑一致性。 大量实验表明，FocalOrder 在 OmniDocBench v1.0 和 Comp-HRDoc 上取得了新的 SOTA 性能。其轻量级模型不仅优于多种专用基线，还显著超过大规模通用视觉语言模型，证明针对文档自身结构歧义进行优化，是准确理解复杂文档结构的关键。

FocalOrder：面向阅读顺序检测的焦点偏好优化方法

阅读顺序检测是文档理解的基础。现有方法大多采用统一监督，默认不同版面区域的学习难度基本一致。本文指出这一假设存在明显缺陷，并发现一种“位置差异（Positional Disparity）”现象：模型在相对确定的起始和结束区域表现良好，但在结构复杂的中间区域性能明显下降。这是因为大量简单样本会淹没复杂版面中的有效学习信号。 为解决这一问题，本文提出基于焦点偏好优化（Focal Preference Optimization，FPO）的 FocalOrder 框架。该方法利用指数移动平均机制动态识别难学习的阅读顺序转换，并通过难度校准的成对排序目标增强全局逻辑一致性。 大量实验表明，FocalOrder 在 OmniDocBench v1.0 和 Comp-HRDoc 上取得了新的 SOTA 性能。其轻量级模型不仅优于多种专用基线，还显著超过大规模通用视觉语言模型，证明针对文档自身结构歧义进行优化，是准确理解复杂文档结构的关键。