Tweeks — расширение, которое генерирует скрипты для фикса любого сайта

Наткнулся на новое расширение для Chrome. По сути это TamperMonkey, но с AI.

Просто описываешь что бесит на сайте, и Tweeks это фиксит. Можно включать/выключать модификации для каждого сайта отдельно.

Например, убрать весь маркетинговый мусор с любой страницы одним промптом. Или добавить кнопку {Download JSON} которая вытащит весь текст со страницы, еще:

• Убрать отвлекающие сайдбары и рекламу (режим фокуса)
• Добавить кастомные фильтры в соцсетях (по дате, лайкам, типу контента)
• Автоматически закрывать диалоги {Accept all cookies}

Расширение бесплатное, доступно для Chrome.

Но нужно включить Developer Mode для работы пользовательских скриптов.

@tips_ai #tools

Вау-вау-вау, мой любимый Papers with Code воскрес!
Было очень здорово смотреть на нем последние научные открытия по темам или библиотеки, которые занимают первые места в определенных бенчмарках, типа распознавания речи или поиска текста.

HuggingFace вместе с Meta AI и оригинальной командой его реанимировали. Дизайн конечно вайбкодинговый, ну и фиг с ним.

Воскресили тренды по направлениям ИИ-ресёрча – видно, куда сейчас текут силы лабораторий и где появляются новые статьи.

Улучшили фид по нишам: World Models, Agents, RL, Robotics и десятки других тематик – можно подписаться и не пропускать релизы по своей области.

Вернулись таблицы с бенчмарками и метриками по индустриям (а их там реально много). Вот например последние по эмбеддингам - https://paperswithcode.co/benchmark/mmteb
На первом месте гигантская от майкрософта, но из более-менее популярных вендоров в топе - это эмбеддинги от гугла, Claude и OpenAI на свои забил.

Сделали новую вкладку Methods – можно посмотреть все статьи, где применяется конкретная техника, например RLVR, speculative decoding или MoE-роутинг. Скорее уже для ученых и инженеров, но и поисследовать интересно.

Соответственно статьи теперь свежие и автоматом обновляются. В сумме – отличный ресурс для вашей ML-команды или кто подбирает определенную технологию для задачи

https://paperswithcode.co/

MOSS-Video-Preview

Пониматор видео - несколько моделей, в том числе в реальном времени

Гитхаб
HF

#vlm #v2t #qa

Есть такой опенсурс проект под названием Cua Driver, это Computer Use, который может работать в фоне.

Так еще не рискуя за свой рабочий пк.

Обычно все Computer Use просто делают скрин экрана и отдают его в LLM.

Но у Cua работает по-другому, он возвращает вместе с картинкой еще и дерево доступности элементов приложения.

То есть агенту не нужно считать примерные координаты, он сразу понимает где расположена нужная кнопка.

Есть два режима:
1/ Управление реальными окнами на текущем рабочем столе
2/ То же самое управление только в отдельной изолированной среде

У него есть CLI и MCP, можно использовать вместе с Claude Code, Codex и любыми другими агентами.

Поддерживает macOS, Windows и недавно появился Linux.

Чтобы установить скормите своему агенту этот промт:

1. Прочитай документацию по ссылке ниже и установи cua-driver на мой компьютер.
2. После установки запусти его.
3. Настрой для Codex MCP и skill для cua-driver.
4. Открой калькулятор Windows для теста, посчитай 123*456=? и скажи мне результат.
https://cua.ai/docs/cua-driver/guide/getting-started/introduction

Я еще писал что в Windows версии Codex есть проблема, что Computer Use не может работать в фоне, Cua исправит, так что смело отправляйте своего агента взаимодействовать с UI.

GitHub

@tips_ai #tools

Unlimited‑OCR

Модель от Baidu для однопроходного анализа документов с большим горизонтом обработки

• парсинг длинных документов, от отдельных изображений до многостраничных PDF
• работа с разноформатными источниками без дополнительной настройки

Гитхаб

#ocr