墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
3.4k累计阅读
3.4k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
☑️ PT BlackBox分析 Rostic's 网络应用程序的安全性
快餐连锁店在其安全网络开发过程中使用了我们的扫描仪。PT BlackBox 总共扫描了 20 多个 Rostic's 的外部服务（每天访问量超过 100,000+ 人次）和企业服务（每天访问量≈7,000 名员工）。
🔍 这些网络应用程序的安全性和潜在威胁的快速修复直接影响到公司的运营和财务业绩。PT BlackBox 可识别攻击者在真实环境中能够利用的漏洞，并使您能够在不可接受的事件发生之前解决薄弱环节。
💬 Unirest 信息安全主管 Dmitry Paveliev 说： "对于 Rostic's 来说，高质量的客人服务是第一位的，因此拥有一个简单而准确的工具来快速检测网络资源中的潜在漏洞对我们来说非常重要。PT BlackBox 动态分析仪满足了这些要求。未来，我们计划利用应用安全类的其他解决方案加强安全开发方向。
#PTBlackBox
@Positive_Technologies
从零到一：YOLOv8在边缘设备上的轻量化部署实战
本文详细介绍了YOLOv8在边缘设备上的轻量化部署实战，涵盖模型优化、TensorRT加速、剪枝与知识蒸馏等关键技术。通过工业质检和智能门禁项目案例，展示了如何将YOLOv8高效部署到树莓派、Jetson Nano等资源受限设备，显著提升推理速度和降低内存占用。文章还提供了动态分辨率调整、多模型级联部署等实用技巧，助力开发者实现边缘AI应用的高效落地。
【FDE知识库】（1）：AI 编程时代开发语言选型分析，云使用go，企业用java，算法python，底层c
AI 编程时代，开发语言选型需综合考量AI适配度、编译速度、跨平台与学习成本。Python以海量语料和即时执行成首选，适用于AI/ML与原型开发；TypeScript凭借类型系统与秒级构建，成为前端及应用层主流；Go以极速编译与统一风格，契合AI代理高效迭代需求。Rust/C++虽性能强，但编译慢、学习成本高，不适于快速试错。综合推荐：优先选Python、TypeScript、Go，兼顾效率与生态，实现最优AI协作体验。
基于Python的闲鱼商品价格评估模型：爬虫+价格预测全实现
本文介绍了一个完整的全球气候数据抓取与分析流程，采用轻量化的技术栈（requests+pandas+matplotlib+folium），实现以下核心功能： 全球城市定向抓取：支持自定义城市列表，自动获取经纬度并抓取多源气候数据 双数据源互补：结合OpenWeatherMap API（实时数据）和Climate-Data.org（历史数据） 全维度覆盖：采集气温、降水、湿度等核心指标，并进行自动化清洗转换 丰富可视化：生成热力图、趋势图和统计图表，支持地理定位展示 灵活扩展：模块化设计便于新增城市或扩展数据
6 款电商 AI 图片生成软件实测｜国内 + 跨境卖家工具清单
电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言，现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求，显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强"，而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率，通用生图工具强在创意上限，模板类工具赢在上手速度。建议根据自身业务阶段，搭配 1-2 款主力工具 + 1 款辅助工具，形成适合自己的视觉生产流程。
一个固定翼飞机仿真程序带你系统性上手如何实现配平（工具箱+脚本）
老规矩，该博客所用的模型和脚本已上传至百度网盘，名字为“固定翼配平训练例子”，自己自取。
时序约束实战：从setup/hold到时钟路径约束的深度解析
本文深度解析数字设计中的时序约束实战，重点探讨如何从setup/hold检查的核心原理出发，理解并应用时钟路径约束。文章通过剖析Path Requirement的计算逻辑，结合同频、倍频及异步时钟域等典型场景，提供了从解读时序报告到编写、调试SDC约束的系统方法，帮助工程师有效应对复杂SoC设计中的时序收敛挑战。
视频隐私脱敏工程化：CSRT/KCF追踪算法在本地推理中的实现与边界
在短视频内容合规审查中，动态遮挡（Dynamic Masking）是高频且高耗时的环节。传统手动关键帧打码不仅效率低下，且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度，解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。
MemSeg:一种差异和共性来检测图像表面缺陷的半监督方法
本文认为人为创建类内差异和保持类内共性可以帮助模型实现更好的缺陷检测能力，从而更好地区分非正常图像。如图一所示。差异（differences）:MemSeg引入人工模拟的异常图像在训练阶段使模型能够区分正常和异常的图像，减轻了半监督学习只能用正常样本进行训练的不足，然后在推理阶段可以直接输入图像无需做任何后处理。共性（commonalities）:MemSeg引入了一个记忆池来记录正常样本的通用模式，在训练和推理阶段，比较输入图像和记忆池中的样本之间的差异，为异常区域的定位提供有用的信息。
我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型
公司里经常要看电子发票。我想先做个小原型：把 PDF 发给一个自己部署的图文模型，让它提取发票类型、日期、交易双方和金额，再把结果交给同事核对。这个原型不用先接财务系统，先看看从部署到调用要走多少步，模型返回的内容能不能帮上忙。
基于simulink创建一个针对双馈异步风力发电机并网运行的仿真模型
摘要：本文详细介绍了基于Simulink的双馈异步风力发电机(DFIG)并网运行仿真建模方法。系统包含风速输入、风力机、双馈发电机、电力电子变换器、控制器和并网接口等模块，通过8个步骤完整呈现了建模流程，包括风速模拟、机械功率计算、发电机特性建模、变流器控制策略设计等关键环节。仿真可评估系统在不同风速条件下的动态响应、最大功率跟踪能力和发电效率，为风力发电系统的优化设计提供有效验证手段。模型可根据实际需求扩展环境因素和电网交互等细节，提高仿真精度。
【报错解决】OpenClaw 报错 ENOENT: no such file or directory, open ‘/root/.npmrc‘：配置文件路径不存在
本文分析了OpenClaw平台在国产操作系统环境下运行时出现的ENOENT: no such file or directory, open '/root/.npmrc'错误。该问题源于容器环境中root用户的npm配置文件缺失，导致插件依赖安装失败。文章详细解释了npm配置加载机制和容器环境的特殊性，提出了四种解决方案：手动创建配置文件、写入基础配置、使用全局配置替代以及容器启动时自动初始化。最后指出该错误暴露了工程中对默认路径盲目信任的问题，强调显式声明运行环境依赖的重要性。
医疗 AI 有两种，别混着谈：一个改流程，一个改范式
InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台，提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能，辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志（JMA Journal）的一篇综述（Review Article）：基本事实：这一点必须先说清：这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想，不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口（见第三节）。本文只谈它的术语辨析与科学方法论，不转述任何可作为临床依据的预测或处置主张。这篇论文的全部
Data-Structures-and-Algorithm-Analysis-in-Java.pdf
作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...
在Codex 让AI模型 拥有长期智能记忆
本文介绍Claude-Mem V15新功能——智能记忆召回，解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem，实现自动记录决策（如数据库选型）、跨会话智能召回，支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案，其基于Hooks自动捕获工具调用，结构化存储，可追溯、可共享、可清理，显著提升工程效率与协作一致性，是长期项目中理想的“工作黑匣子”与“工程脑”。
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
怀旧版电脑GBC模拟器
再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。
您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗？不是单条会话里面的多次会对话。AI导出鸭
第三层是格式编译层。这个决策背后的判断很清晰：一个批量导出工具的价值，不在于“试三次”，而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后，它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载，AI导出鸭 在页面运行时建立旁路监听，捕获每一次分页请求返回的完整对话清单，包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是：导出不该是体力活，而应该是一次完整的、可预期的文件交付。注意：这里的“批量”指的是左侧列表里的多个独立会话，不是一条会话内的多轮对话。
河道漂浮物目标检测数据集
目标检测，yolo，河道漂浮物目标检测数据集
AI Agent之核心框架
A： 显式 Thought 有三类价值：可解释性（便于人类审计）、可调试性（定位哪一步选错工具）、学习信号（可做监督微调或评估中间步骤质量）。ReAct 把推理与 可执行行动 绑定，每一步行动后都有 真实 Observation 反馈，从而用工具结果约束生成，降低闭卷幻觉。做完不等于结束——还要 评估做得好不好，把 教训 记下来，下次 带着教训重试，反思作为 记忆，影响后续尝试的策略。工作流程：Action → Evaluation → Reflection → Retry。A： 普通 CoT 只在。
AI 应用开发工程师技术实践：大模型接入、通用组件封装与性能优化
本文提出AI应用从PoC到生产的核心挑战：模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移，封装对话、工具调用与RAG组件以解耦业务逻辑，结合前缀缓存、批处理与流式背压治理等性能优化手段，形成“接通→接稳→接快”的工程路径，最终以工程化能力决定AI应用的生产可用性。
大模型 Embedding 与向量相似度详解
Embedding 解决的问题：计算机不懂文字，但懂数字│▼文本 → 向量（1024维浮点数数组）│▼相似度解决的问题：怎么判断两个向量（文本）有多接近│▼余弦相似度：看向量方向的夹角，越接近0°越相似│▼最终效果：语义搜索——理解意思，而非字面匹配一句话总结：Embedding 把文字变成数字，余弦相似度比较数字的方向，两者结合实现了"理解语义"的搜索。
AI前沿日报 · 2026-11-04 | 祛魅时刻：Astra“纯读权重“神话的崩塌
①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读，数学能力提升依赖Python+50次迭代；②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程；③Nvidia开源Auto-Ontology自动知识图谱；④$800开源全域抓取机器人Stringman；⑤OpenAI悄然重开Codex训练开关引信任危机；⑥DeepMind发布Gemini 4 Argon机器人基础模型；⑦美国科技巨头隐性AI债务达3.2万亿美元，6个月增90%。
GPT-1 架构和计算细节
下面配合框图，对 GPT-1 的每个组件做公式展开 + 数值实例（配置：12 层 × 768，12 头，FFN 3072，词表 40478，共 117M 参数）。GPT-1 把翻译模型的编码器-解码器砍掉一半，只留解码器，然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异（框图中标 ★）：h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\
终端 AI 审计与 “龙虾” 类智能体风险治理：从可见性到闭环溯源
生成式 AI 办公普及之后，数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型，以及龙虾（OpenClaw）这类本地开源 AI 智能体的滥用，成为企业安全新挑战。传统网络边界防护存在审计盲区，本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度，分享终端侧 AI 安全治理的实践思路。
2.53 基于极稀疏指纹的室内定位注意力图元学习
该论文发表于IEEE Transactions on Mobile Computing（TMC）2026年6月，面向极稀疏指纹条件下的WiFi室内定位，针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点，提出注意力图元学习模型AGML（Attentional Graph Meta‑Learning），结合图神经网络、元学习、两种指纹数据增强与分布对齐技术，在标记指纹极少的场景实现高精度室内定位，同时公开了多套真实+仿真定位数据集用于基准测试。场景：二维室内空间，障碍物造成信号遮挡，
语音识别与语音合成的技术原理及应用
语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。
设计师工作室 GEO 实操：如何提升 AI 实体推荐概率
设计工作室 GEO 的本质，是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为：区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性：品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘，只陈述事实。输出 1 篇「设计报价影响因素」科普内容，覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访，形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试，记录出现频率。
AI作图软件技术选型：从4个技术维度出发的实测对比
AI作图软件技术选型：从4个技术维度出发的实测对比
深入理解 Transformer：Decoder 与 Masked Attention 速查手册
写Decoder时直接套用Encoder自注意力代码，训练loss秒降、推理却不会生成？😵 这份速查手册按“症状→诊断→改法→代价→边界”组织，30秒帮你定位masked_fill、tril、causal_mask的正确写法，附可跑代码与对照表，让你彻底搞懂“为什么不能看到未来”。🔧
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
379
扫一扫
