第七屆中國互聯網基礎資源大會上，CNNIC發佈《生成式人工智能應用發展報告（2026）》。截至上半年，我國生成式AI用戶破7億，普及率超50%，約每兩個成年人一人使用。智能問答是最主流入口，76%用戶藉此找答案；圖片視頻、文本處理等應用受關注，國產算力邁入十萬卡時代。
CNN與反數字仇恨中心聯合測試顯示，主流AI聊天機器人在模擬青少年暴力傾向情境下，安全機制普遍薄弱，難以有效防範風險。
Meta與8家頭部媒體簽署協議，將在其AI聊天機器人中提供實時新聞問答與文章外鏈，首批覆蓋全球突發、娛樂及本地新聞。用戶提問即可獲得可點擊信源，合作伙伴藉此獲得新增流量。首批媒體包括CNN、Fox News等，Meta表示將持續擴展合作範圍。
中國生成式AI迎來爆發式增長：2025年上半年346款AI服務完成備案，國產大模型DeepSeek上線20天即獲3000萬日活用戶。80.9%用戶使用AI問答，2024年AI產業規模突破7000億元，年增長率超20%。國產AI在千億參數模型、多模態技術取得突破，深度應用於辦公、教育、工業等領域，推動中國從技術領先邁向應用深化，重塑全球AI產業格局。
WeightedAI
波斯語OCR是一個專門針對波斯語文本設計的光學字符識別深度學習模型，採用CNN+變壓器架構，在包含60萬張合成波斯語文本圖像的數據集上訓練，序列準確率達到96%。
gaiseras
一個基於Keras框架構建的卷積神經網絡（CNN），專用於從64×64灰度圖像中識別單個日文字符，支持手寫體與印刷體識別。
Angel0J
DistilBART-CNN-12-6 是一個基於 BART 架構的輕量級摘要生成模型，專門針對 CNN/Daily Mail 數據集進行了優化。
leduytan0706
BART Large CNN 是一個基於 BART 架構的預訓練模型，專門用於文本摘要任務。
Ismetdh
這是一個基於Flan T5基礎模型在CNNDailyMail數據集上微調的摘要生成模型，能夠將新聞文章壓縮成簡潔的摘要。
vapit
BART Large CNN 是一個基於 BART 架構的預訓練模型，專門用於文本摘要生成任務。
s0urin
基於T5-Small架構開發的文本摘要模型，在CNN/Daily Mail數據集上微調，用於生成式文本摘要。
ianpan
基於篩查性乳腺X光攝影預測乳腺癌和乳腺密度的集成模型，使用3個不同分辨率的CNN網絡進行推理
Srivardhan369
基於卷積神經網絡(CNN)的腦腫瘤圖像分類模型，使用標註過的腦部腫瘤MRI影像數據集訓練
c2p-cmd
wsntxxn
基於AudioSet預訓練並在AudioSet-strong上微調的CRNN聲音事件檢測模型
這是一個文本到音頻的定位模型，能夠預測音頻片段中特定聲音事件發生的概率。
Skier8402
基於google/mt5-small模型在cnn_dailymail數據集上微調的摘要生成模型
BanUrsus
基於google/mt5-small微調的摘要生成模型，在CNN/DailyMail數據集上訓練，適用於英文文本摘要任務。
hezarai
一款針對波斯語的OCR模型，基於CNN+LSTM架構，專為印刷/掃描文檔優化，支持數字及特殊字符識別。
一款針對波斯語優化的OCR模型，基於CNN+LSTM架構，專為印刷體/掃描文檔設計
asyafalni
一個用於分類阿拉伯手寫字符（Hijaiyah字母）的CNN模型，在阿拉伯手寫字符數據集上訓練，準確率達97.64%。
一個用於波斯語OCR的CRNN模型，基於CNN + LSTM架構，針對掃描文檔優化
ChaniM
基於google/pegasus-xsum微調的新聞摘要生成模型，在cnn_dailymail數據集上訓練
Xenova
基於BART架構的大型文本摘要模型，專為CNN/DailyMail數據集優化
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
VIP會員
