<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[2201_75517551的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/2201_75517551</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; 2201_75517551]]></copyright><item><title><![CDATA[一个人写教程，也能有AI团队：Deepseek Bot安装、模型配置与群聊协作详解]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/170350023</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/170350023</guid><author>2201_75517551</author><pubDate>Mon, 09 Nov 2026 15:30:44 +0800</pubDate><description><![CDATA[本文介绍如何利用开源项目DSBot，基于DeepSeekHarness框架组建多角色协作的技术写作团队。通过配置模型、安装ds-bot插件，创建具备不同职责的Bot（如写手、审稿员），并建立工作群实现任务有序交接。重点演示从提纲到正文、审查、修改的全流程，强调使用记忆保存偏好、控制调用用量、明确资料共享等协作技巧。适用于希望提升内容生产效率的开发者与技术作者，提供完整部署与排查指南。]]></description><category></category></item><item><title><![CDATA[WeakS2Diff：SAM伪标注+状态空间扩散，弱监督RGB-D显著性检测]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/170335662</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/170335662</guid><author>2201_75517551</author><pubDate>Mon, 09 Nov 2026 09:42:18 +0800</pubDate><description><![CDATA[问题 1：像素级 RGB-D 显著性标签昂贵问题 2：scribble 只覆盖少量前景区域问题 3：SAM 对 prompt 与几何变换敏感Weakly-Supervised RGB-D Salient Object Detection via SAM-driven Pseudo Annotation and State Space Interaction-based Diffusion 聚焦于弱监督 RGB-D 显著性检测。]]></description><category></category></item><item><title><![CDATA[G-MAD：游戏引擎生成多视角RGB-T航拍数据，AMOD含7.4万帧]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/169850206</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/169850206</guid><author>2201_75517551</author><pubDate>Mon, 02 Nov 2026 22:50:29 +0800</pubDate><description><![CDATA[本文提出G-MAD框架，针对多视角RGB-T航拍目标检测中的数据不可控、模态错位与标注成本高等问题，基于Arma3游戏引擎实现同步RGB-T渲染与引擎级自动标注，构建了大规模可复现数据集AMOD（73,920帧，383.2k实例）。通过结构化场景采样、条件化模态交互与残差融合机制，提升模型鲁棒性。代码开源，支持论文1:1复现与模块级调试，适用于算法研究、课程设计与系统验证。]]></description><category></category></item><item><title><![CDATA[人不在工位，手机也能接手：WorkBuddy 远程控制配置与使用教程]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/169849148</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/169849148</guid><author>2201_75517551</author><pubDate>Mon, 02 Nov 2026 21:34:26 +0800</pubDate><description><![CDATA[腾讯WorkBuddy新增「远程控制」功能，支持在手机端实时查看并操作电脑屏幕，解决任务因登录、授权等需人工介入而停滞的问题。该功能适用于Mac系统，需确保手机与电脑同账号、版本达标，并完成组件安装与系统权限授权。通过手机可查看画面、点击操作、输入内容，实现任务中断后的快速恢复。功能不消耗Token，但仅限一部手机同时连接。建议外出前测试连接与操作，明确任务输入与反馈要求，提升远程协作效率。]]></description><category></category></item><item><title><![CDATA[SAM-DAQ：深度适配SAM2查询，RGB-D视频SOD达0.913 Eξ]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/168977972</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/168977972</guid><author>2201_75517551</author><pubDate>Mon, 26 Oct 2026 09:19:39 +0800</pubDate><description><![CDATA[问题 1：SAM2 原本依赖人工 prompt，视频显著性任务难以手工交互问题 2：顺序 adapter 的显存占用高问题 3：memory attention 带来计算负担SAM-DAQ: Segment Anything Model with Depth-guided Adaptive Queries 聚焦于。文章不把“多模态”当作万能答案，而是先追问：主模态在什么条件下失效，辅助模态究竟应提供哪一类可验证的信息。论文实验覆盖 RDVS、ViDSOD-100、DViSal。]]></description><category></category></item><item><title><![CDATA[Python 基础学习（一）：一张图梳理 Python 基础知识框架]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/169070466</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/169070466</guid><author>2201_75517551</author><pubDate>Mon, 26 Oct 2026 09:17:30 +0800</pubDate><description><![CDATA[本文为“Python学习，从入门到精通”专栏开篇，梳理入门阶段十大核心内容：基础语法、数据类型、运算符、流程控制、函数、数据结构、模块与包、文件操作、异常处理、面向对象编程。通过总路线图帮助初学者建立知识框架，明确学习顺序：先运行程序，掌握变量、条件与循环，再学习数据结构与函数，逐步实现文件读写与异常处理，最终完成小型项目。后续文章将结合代码示例与练习，循序渐进展开，助力系统掌握Python基础。]]></description><category></category></item><item><title><![CDATA[用 WorkBuddy 做微信小程序：从需求到扫码体验的 6 步实战]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/168031091</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/168031091</guid><author>2201_75517551</author><pubDate>Mon, 19 Oct 2026 09:30:00 +0800</pubDate><description><![CDATA[不会写代码也能做小程序？用WorkBuddy，只需描述需求（如“个人学习打卡”），即可自动生成页面、连接云服务，一键发布微信试用版。重点：明确用户、功能、数据规则，先做小版本跑通核心流程。测试时让他人真实使用，发现问题及时优化。根据目标选择试用版（14天）或正式发布（需审核）。持续迭代，逐步添加筛选、统计等功能。无需技术基础，从记录学习、记账到报名，轻松实现。]]></description><category></category></item><item><title><![CDATA[DeepSeek V4.1-flash 1017 斩杀一切国模？逼近 GPT-6.1 Sol 和 Claude Opus 5？这篇文章带你看懂]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/168344284</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/168344284</guid><author>2201_75517551</author><pubDate>Mon, 19 Oct 2026 09:15:00 +0800</pubDate><description><![CDATA[10月17日发布的DeepSeek-V4.1-Flash-1017为“只换权重、不换架构”的后训练升级，显著提升agentic任务表现，压过多数国产模型，但在知识理解与程序仓库级能力上仍落后Claude Opus 5一个身位。其核心优势在于性能-成本比：同等预算下可执行更多任务，实现“更准、更快、更省”。虽官方自测数据亮眼，但尚未有第三方复现，实际效果需结合具体场景验证。]]></description><category></category></item><item><title><![CDATA[WorkBuddy办公6招，少返工少踩坑]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/167589366</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/167589366</guid><author>2201_75517551</author><pubDate>Mon, 12 Oct 2026 10:48:59 +0800</pubDate><description><![CDATA[使用WorkBuddy需遵循六步法：先选模式（如计划、问答或Agent），再分工作空间确保资料准确；模型选择优先“均衡”，按需调整；按需调用专家、技能与连接器，缺什么补什么；将满意流程存为自定义技能复用方法；连接器配置后手动验证，确认无误再设自动化。始终先人工跑通，保留备份，避免直接认定AI输出即完成。核心是：先理清方法，再让AI执行。]]></description><category></category></item><item><title><![CDATA[SATNet：5.2M参数415FPS，轻量RGB-D显著性检测新方案]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/167589634</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/167589634</guid><author>2201_75517551</author><pubDate>Mon, 12 Oct 2026 09:54:22 +0800</pubDate><description><![CDATA[本文聚焦轻量级RGB-D显著性检测，复现SATNet模型，解决深度图质量不稳、骨干网络特征受限等核心问题。通过Depth Anything生成伪深度，引入DAM解耦注意力模块与DIRM/DFAM双信息聚合机制，实现5.2M参数、415 FPS的高效推理，在NLPR数据集上达adpEm=0.964、Sm=0.932、MAE=0.019。文章逐模块拆解架构设计、输入输出规范与可审计流程，强调实验可复现性与失败样本回查，适用于研究复现、课程设计与工程验证。]]></description><category></category></item><item><title><![CDATA[Codex 10 月 7—10 日更新汇总：输入预测、任务提速、CLI 新功能与 Windows 沙盒]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/167497611</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/167497611</guid><author>2201_75517551</author><pubDate>Sat, 10 Oct 2026 23:15:30 +0800</pubDate><description><![CDATA[2026 年 10 月 7—10 日，OpenAI 围绕 Codex 推出了多项更新，覆盖桌面端交互、任务响应、命令行工具、Windows 沙盒和移动端体验。**日期说明：**产品功能采用官方公告日期；CLI 版本同时列出 UTC 与北京时间，避免跨时区造成混淆。]]></description><category></category></item><item><title><![CDATA[SMFNet：选择性融合光流与深度，RGB-D视频SOD达0.874 Sα]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/167118984</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/167118984</guid><author>2201_75517551</author><pubDate>Mon, 05 Oct 2026 09:33:30 +0800</pubDate><description><![CDATA[本文系统复现SMFNet在RGB-D视频显著性检测中的核心创新：像素级选择性融合（PSF）与多维选择注意力（MSAM），解决光流与深度贡献不均、固定融合引入噪声等问题。基于RDVS与DVisal基准，实现Sα=0.874、Fβmax=0.823、MAE=0.028等可核对结果，强调模块化设计、可审计流程与调试日志，适用于研究复现、算法选型与工程验证。]]></description><category></category></item><item><title><![CDATA[小米 MiMo-V2.6 全面解析：1.02T MoE、1M 上下文，Coding 有多强？API 输入 1 元/百万 Token 起]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/166993476</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/166993476</guid><author>2201_75517551</author><pubDate>Fri, 02 Oct 2026 18:10:42 +0800</pubDate><description><![CDATA[如果用几个关键词概括 MiMo-V2.6：MiMo-V2.6-Pro 已经在 Artificial Analysis Intelligence Index 中进入当前开放权重模型的最前列；Coding 和 Agent 相关 Benchmark 也已经能够与主流旗舰模型放在同一张表里比较。但对普通开发者来说，我认为更值得关注的其实是309B 总参数、15B 激活参数、1M 上下文、DeepSWE 67.9，普通 API 输入仅 1 元/百万 Token。]]></description><category></category></item><item><title><![CDATA[GLLS：SAM3+MCTS证据链，工业多模态异常检测免训练]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/166786676</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/166786676</guid><author>2201_75517551</author><pubDate>Mon, 28 Sep 2026 14:09:17 +0800</pubDate><description><![CDATA[问题 1：早期部署时缺陷样本很少甚至不存在问题 2：小缺陷在受限分辨率下容易被大模型忽略问题 3：文字规范无法自然落到可验证图像证据Global Logic and Local Search: Dual-Stream 聚焦于工业异常检测与可审计问答。文章不把“多模态”当作万能答案，而是先追问：主模态在什么条件下失效，辅助模态究竟应提供哪一类可验证的信息。论文实验覆盖 MMAD-QA、MVTec、VisA 及跨数据集评估。论文报告在 MMAD-QA 与额外异常检测集上持续优于匹配及通用基线；]]></description><category></category></item><item><title><![CDATA[基础篇 -- RGB、LiDAR、深度、点云、热红外等：多模态到底在融合什么？]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/166234915</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/166234915</guid><author>2201_75517551</author><pubDate>Mon, 21 Sep 2026 10:34:52 +0800</pubDate><description><![CDATA[多模态融合通过整合RGB、LiDAR、Depth、点云、热红外等异构传感器数据，利用各模态在颜色纹理、空间几何、热辐射等方面的互补性，提升自动驾驶、机器人等系统对环境的全面感知。核心在于跨模态数据的空间对齐、时间同步与特征融合，常见方法包括数据级、特征级和决策级融合，其中特征级融合结合深度学习更高效。关键挑战并非“多”而是“准对齐”，唯有准确关联不同模态信息，才能实现对真实世界的完整理解。]]></description><category></category></item><item><title><![CDATA[CLLAP：LiDAR伪雷达预训练，雷达-相机3D检测 mAP提升3.23]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/166233872</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/166233872</guid><author>2201_75517551</author><pubDate>Mon, 21 Sep 2026 10:30:54 +0800</pubDate><description><![CDATA[本文聚焦4D毫米波雷达-相机3D检测，复现CLLAP预训练方法，针对标注昂贵、模态差异大、训练难等瓶颈，提出L2R Sampling（基于LiDAR合成伪雷达）、局部与全局对比学习三阶段框架。通过分段采样与GMM拟合提升伪雷达质量（Chamfer Distance 112.16），在nuScenes/ Lyft数据集上实现CRN mAP提升至50.53、NDS达58.02，BEVFusion*提升3.52 mAP。强调模块可审计性，提供完整代码与调试接口，支持研究复现、算法选型与工程验证。]]></description><category></category></item><item><title><![CDATA[大模型测评：从最新出的DeepSeekV4.1模型看这19项指标]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/164978799</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/164978799</guid><author>2201_75517551</author><pubDate>Thu, 17 Sep 2026 09:35:53 +0800</pubDate><description><![CDATA[一张成绩单，19项指标实为AI“全身体检”。文章将其分为三类：考脑子（如GPQA Diamond、HLE）、考干活（如Terminal-Bench）、考安全与多模态。核心指出：只需掌握5个关键指标+2条读数心法——看懂“聪明上限”“真实生产力”“安全风险”，便能穿透数据迷雾，真正评估模型价值。]]></description><category></category></item><item><title><![CDATA[奥特曼说人类进入AGI时代！黄仁勋更是一锤定音：“AGI 已经到来“！| 让我们畅聊人工智能的发展]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/165095397</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/165095397</guid><author>2201_75517551</author><pubDate>Mon, 14 Sep 2026 09:10:01 +0800</pubDate><description><![CDATA[让高水平认知能力第一次能够被大规模复制。让高水平认知能力第一次能够被大规模复制。同一种能力，既可以加速科学、医疗和教育，也可以放大失业冲击、欺诈、权力集中和安全风险。“AGI 到底好不好？“当这种能力越来越强时，人类能不能足够快地学会使用它、约束它，并把收益分配好？]]></description><category></category></item><item><title><![CDATA[一文读懂DeepSeek V4.1｜从架构创新、模型性能、模型价格讲解]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/164970502</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/164970502</guid><author>2201_75517551</author><pubDate>Mon, 14 Sep 2026 09:09:33 +0800</pubDate><description><![CDATA[2026年9月10日，DeepSeek发布V4.1Flash，作为全新架构家族的首发成员，其核心突破在于“低激活”设计：552B参数中仅8B/16B参与输入/输出计算，结合CausalEncoder-Decoder架构与KVCache压缩，显著降低显存与存储需求。模型原生支持多模态，强化代码生成与Agent工作流能力，多项指标超越V4Pro。API价格下调，缓存命中成本降幅达60%，性价比大幅提升。尽管非所有纯推理任务领先，但其在长上下文、工具调用等场景表现卓越，标志着大模型正从“堆参数”转向“高效能”。]]></description><category></category></item><item><title><![CDATA[一篇文章看懂 Git / GitHub]]></title><link>https://blog.youkuaiyun.com/2201_75517551/article/details/164733995</link><guid>https://blog.youkuaiyun.com/2201_75517551/article/details/164733995</guid><author>2201_75517551</author><pubDate>Wed, 09 Sep 2026 14:04:53 +0800</pubDate><description><![CDATA[Git是本地版本管理工具，用于记录项目历史快照；GitHub是远程代码托管平台，实现协作与共享。两者分工明确：Git管“版本”，GitHub管“远程仓库和协作”。核心流程为：修改代码→工作区→gitadd暂存→gitcommit生成版本→gitpush上传至GitHub。关键概念：gitadd仅准备提交，gitcommit创建本地版本，gitpush才推送至远程。理解“工作区-暂存区-本地仓库”三区及分支、HEAD等概念，掌握基础命令，即可轻松上手。]]></description><category></category></item></channel></rss>