第七届中国互联网基础资源大会上，CNNIC发布《生成式人工智能应用发展报告（2026）》。截至上半年，我国生成式AI用户破7亿，普及率超50%，约每两个成年人一人使用。智能问答是最主流入口，76%用户借此找答案；图片视频、文本处理等应用受关注，国产算力迈入十万卡时代。
CNN与反数字仇恨中心联合测试显示，主流AI聊天机器人在模拟青少年暴力倾向情境下，安全机制普遍薄弱，难以有效防范风险。
Meta与8家头部媒体签署协议，将在其AI聊天机器人中提供实时新闻问答与文章外链，首批覆盖全球突发、娱乐及本地新闻。用户提问即可获得可点击信源，合作伙伴借此获得新增流量。首批媒体包括CNN、Fox News等，Meta表示将持续扩展合作范围。
中国生成式AI迎来爆发式增长：2025年上半年346款AI服务完成备案，国产大模型DeepSeek上线20天即获3000万日活用户。80.9%用户使用AI问答，2024年AI产业规模突破7000亿元，年增长率超20%。国产AI在千亿参数模型、多模态技术取得突破，深度应用于办公、教育、工业等领域，推动中国从技术领先迈向应用深化，重塑全球AI产业格局。
WeightedAI
波斯语OCR是一个专门针对波斯语文本设计的光学字符识别深度学习模型，采用CNN+变压器架构，在包含60万张合成波斯语文本图像的数据集上训练，序列准确率达到96%。
gaiseras
一个基于Keras框架构建的卷积神经网络（CNN），专用于从64×64灰度图像中识别单个日文字符，支持手写体与印刷体识别。
Angel0J
DistilBART-CNN-12-6 是一个基于 BART 架构的轻量级摘要生成模型，专门针对 CNN/Daily Mail 数据集进行了优化。
leduytan0706
BART Large CNN 是一个基于 BART 架构的预训练模型，专门用于文本摘要任务。
Ismetdh
这是一个基于Flan T5基础模型在CNNDailyMail数据集上微调的摘要生成模型，能够将新闻文章压缩成简洁的摘要。
vapit
BART Large CNN 是一个基于 BART 架构的预训练模型，专门用于文本摘要生成任务。
s0urin
基于T5-Small架构开发的文本摘要模型，在CNN/Daily Mail数据集上微调，用于生成式文本摘要。
ianpan
基于筛查性乳腺X光摄影预测乳腺癌和乳腺密度的集成模型，使用3个不同分辨率的CNN网络进行推理
Srivardhan369
基于卷积神经网络(CNN)的脑肿瘤图像分类模型，使用标注过的脑部肿瘤MRI影像数据集训练
c2p-cmd
wsntxxn
基于AudioSet预训练并在AudioSet-strong上微调的CRNN声音事件检测模型
这是一个文本到音频的定位模型，能够预测音频片段中特定声音事件发生的概率。
Skier8402
基于google/mt5-small模型在cnn_dailymail数据集上微调的摘要生成模型
BanUrsus
基于google/mt5-small微调的摘要生成模型，在CNN/DailyMail数据集上训练，适用于英文文本摘要任务。
hezarai
一款针对波斯语的OCR模型，基于CNN+LSTM架构，专为印刷/扫描文档优化，支持数字及特殊字符识别。
一款针对波斯语优化的OCR模型，基于CNN+LSTM架构，专为印刷体/扫描文档设计
asyafalni
一个用于分类阿拉伯手写字符（Hijaiyah字母）的CNN模型，在阿拉伯手写字符数据集上训练，准确率达97.64%。
一个用于波斯语OCR的CRNN模型，基于CNN + LSTM架构，针对扫描文档优化
ChaniM
基于google/pegasus-xsum微调的新闻摘要生成模型，在cnn_dailymail数据集上训练
Xenova
基于BART架构的大型文本摘要模型，专为CNN/DailyMail数据集优化
%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会员
