- 博客(158)
- 收藏
- 关注
RSS订阅
原创 开付费专栏的意见收集
摘要： 作者计划整合精读论文中的模块（包括创新和修改部分），以YOLO和DETR为基线，构建一个完整可运行的项目文件夹，实现环境配置后一键实验。该项目可为毕设或论文研究提供便利。若获100+点赞，将开启专刊并花费至少半个月进行系统整理。欢迎提出建议。
2026-08-01 09:12:20
427
原创 五分钟从零配置好VSCode + Claude Code + DeepSeek V4 Pro
本文介绍了如何在5分钟内配置VSCode+Claude Code+DeepSeek V4 Pro的组合方案。主要内容包括：1)下载安装VSCode并配置环境变量；2)安装Claude Code插件；3)通过CC Switch工具将Claude Code接入DeepSeek V4 Pro模型API。该方案优势在于低成本(使用DeepSeek API)、高效率(Claude Code能力)、无需翻墙、低延迟等。文章提供了详细的安装步骤截图和常见问题解答，适合零基础用户快速搭建国内最强的AI编程辅助环境。
2026-07-05 11:19:05
1450
原创 小米 MiMo Code：开源 AI 编程助手深度评测以及安装教程
人群推荐度理由终端重度用户⭐⭐⭐⭐⭐原生 CLI，完美开源爱好者⭐⭐⭐⭐⭐MIT，可审计全栈开发者⭐⭐⭐⭐多智能体适合复杂项目新手开发者⭐⭐学习曲线陡IDE 依赖者⭐⭐无 Tab 补全团队协作⭐⭐⭐记忆共享项目上下文跨会话记忆 + 开源 + 自我进化，同类产品中独树一帜。从 2025-06 到 2026-01 下载量 5.8 万 → 1000 万+，增长迅猛。短板：模型能力、生态成熟度、新手友好度仍需时间打磨。MiMo CodeAI编程开源工具。
2026-06-11 12:14:36
11547
1
原创 最新教程|两步搞定codex接入deepseekv4
本文介绍了如何通过cc-switch工具将Codex接入DeepSeek V4模型，主要包括三个步骤：获取DeepSeek API Key、配置cc-switch开启路由并重启Codex、验证接入是否成功。文中特别强调需要注意开启路由开关，并提供了两种验证方法。此外还对比了DeepSeek的两个模型特点，以及常见问题的解决方案。整个过程无需手动配置协议转换，cc-switch已内置DeepSeek预设实现自动适配。
2026-06-08 11:39:20
1125
2
原创 教你如何让claude code cli+deepseek进行识图|保姆级教程
摘要 本文介绍如何为纯文本模型DeepSeek添加视觉功能，通过嫁接小米MiMo视觉模型实现零成本图片识别。步骤如下：1) 注册小米AI平台获取免费API Key；2) 搭建本地MiMo MCP服务器，编写Python代码处理图片识别请求；3) 通过Claude Code将视觉描述传递给DeepSeek。整个架构中，DeepSeek始终只处理MiMo生成的文字描述而不直接接触图片。教程提供完整代码示例，无需编程基础即可实现，所有工具均为免费。
2026-05-31 18:49:58
6478
9
原创 DeepSeek V4 + ClaudeCode--接入指南:5分钟配置，成本直降90%
是 Anthropic 公司推出的一款命令行 AI 编程工具。它运行在你的终端里，能直接读写你的项目文件、执行 Shell 命令、操作 Git，像一个全能的 AI 程序员同事。│ ││ 接入 DeepSeek V4 总共只需四步 ││ ││ 第一步 ── 安装 Claude Code ││ (约 2 分钟) ││ ││ 第二步 ── 获取 DeepSeek API Key ││ 打开 platform.deepseek.com 注册并创建 Key ││ (约 3 分钟) ││ │。
2026-05-05 14:16:23
6686
10
原创 基础篇--RGB-IR 双模态目标检测系列｜手把手地教你利用YOLO训练双模态图像数据集
本文将手把手地教你利用YOLO训练双模态图像数据集，从环境部署、数据集的准备，修改yaml文件，直到运行成功！！！！
2026-04-02 20:19:31
1819
2
原创 SAM-DAQ：深度适配SAM2查询，RGB-D视频SOD达0.913 Eξ
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。
2026-10-26 09:19:39
568
原创 Python 基础学习（一）：一张图梳理 Python 基础知识框架
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。
2026-10-26 09:17:30
725
原创 用 WorkBuddy 做微信小程序：从需求到扫码体验的 6 步实战
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。
2026-10-19 09:30:00
1110
原创 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
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。
2026-10-19 09:15:00
1776
原创 WorkBuddy办公6招，少返工少踩坑
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。
2026-10-12 10:48:59
1174
原创 SATNet：5.2M参数415FPS，轻量RGB-D显著性检测新方案
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。
2026-10-12 09:54:22
1161
原创 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
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。
2026-10-10 23:15:30
1535
原创 SMFNet：选择性融合光流与深度，RGB-D视频SOD达0.874 Sα
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。
2026-10-05 09:33:30
1218
原创 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
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。
2026-10-02 18:10:42
1977
原创 GLLS：SAM3+MCTS证据链，工业多模态异常检测免训练
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；
2026-09-28 14:09:17
1283
原创 基础篇 -- RGB、LiDAR、深度、点云、热红外等：多模态到底在融合什么？
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。
2026-09-21 10:34:52
1171
原创 CLLAP：LiDAR伪雷达预训练，雷达-相机3D检测 mAP提升3.23
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。
2026-09-21 10:30:54
1181
原创 大模型测评：从最新出的DeepSeekV4.1模型看这19项指标
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。
2026-09-17 09:35:53
848
原创 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
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？
2026-09-14 09:10:01
1078
原创 一文读懂DeepSeek V4.1｜从架构创新、模型性能、模型价格讲解
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”。
2026-09-14 09:09:33
1496
原创 一篇文章看懂 Git / GitHub
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。
2026-09-09 14:04:53
1187
原创 EVT：LiDAR引导自适应采样投影，nuScenes 75.3% NDS实时多模态3D检测
<think>题目要求根据内容生成≤150字的文章摘要。需要提炼核心痛点、方法、结论。读者可能想了解EVT。要简洁。</think>EVT针对LiDAR-相机3D检测视图变换的深度估计误差与Query计算量大、光线方向错位问题，提出ASAP自适应视图变换：用LiDAR特征生成3D采样点聚焦目标区域，并以自适应卷积核精炼BEV表示，消除光线错位。配合分组混合Query与几何感知交叉注意力，在nuScenes达75.3% NDS、15.2 FPS，实现实时高精度检测。
2026-09-08 09:01:32
997
原创 用 VS Code 远程连接服务器｜多个服务器可以自由切换
VS Code 远程服务器实际上就是调用 SSH。最推荐的方式不是每次修改HostName，而是在中给每台服务器分别设置一个Host。以后无论是 3 台、5 台还是更多服务器，都可以在 VS Code 中快速切换，开发和服务器管理都会方便很多。
2026-09-03 11:21:47
1326
原创 DistAlignFusion：分布对齐融合，冻结检测器+轻量融合模块，跨退化泛化4倍加速
<think>我们根据内容生成摘要。内容是关于DistAlignFusion方法在RGB-红外多模态检测中跨退化泛化的核心思路。摘要需≤150字。注意控制字数。</think>DistAlignFusion提出分布对齐框架：冻结预训练检测器，仅训练轻量融合模块，用红外特征将退化RGB特征拉回预训练分布，而非对齐训练退化分布。在三个基准上达到SOTA，训练提速4倍，显著提升未见退化场景（过曝、欠曝等）的泛化能力。
2026-08-31 17:17:19
1082
原创 DeepSeek多模态怎么样？|附带保姆级配置教程（codex、claude）
如果只看这次 Benchmark，我认为的表现比预期更好。文本 Agent：相比 V4-Flash-0731，大部分测试继续提升。多模态 Agent：已经接近 Opus-4.8，Agents' Last Exam、ZeroBench 甚至实现反超。Codex↓多模态 Coding Agent所以这次并不是简单给 DeepSeek 加了一个“看图”功能。真正值得关注的是：DeepSeek 开始把视觉能力和 Coding Agent 正式结合起来了。不过Vision-Exp。
2026-08-24 13:07:27
2673
原创 UMFNet：不确定性感知隐式对齐，未对齐RGB-T显著性检测8数据集SOTA
RGB-T显著性检测（SOD）通过融合可见光和热红外两种模态来精确定位显著目标。但实际应用中，RGB和热红外图像往往存在空间错位——双相机的视角差异、标定误差、运动模糊等导致同一目标在两个模态中的位置不完全一致。假设完美对齐：大多数方法直接拼接或注意力融合，不处理空间错位。在对齐数据集上效果好，但遇到未对齐场景性能急剧下降。显式几何配准：用可变形卷积或光流做预对齐。问题：计算量大（O(N²)复杂度），且跨模态的外观差异让配准本身就不可靠（RGB和热红外的纹理差异太大，传统配准算法难以找到准确对应关系）
2026-08-24 10:42:42
1247
原创 教你怎么用用 Git/GitHub 管理项目
【摘要】Git和GitHub是现代开发必备工具，能有效解决代码版本管理问题。核心工作流包括：在分支开发功能、小步提交明确修改、推送远程仓库、通过Pull Request审查合并代码。关键要点是：使用.gitignore过滤敏感文件、编写详细README、遵循"拉代码→建分支→开发→提交→推送→PR→合并"流程。初学者常犯的错误包括大范围无意义提交、遗漏.gitignore配置、直接在主分支修改等。这套系统虽然初期学习成本较高，但能显著提升个人项目和团队协作效率，避免"最终版N&
2026-08-20 18:20:17
1036
原创 三个 Agent Skill 的组合实践：从内容规划到图卡生成
选题↓确定目标读者、内容结构和视觉方向↓写初稿先把真正有用的信息写完整↓做第二遍自然化改写，降低机器腔↓把正文拆成封面、方法页、流程页和总结页↓人工检查事实、标题、封面、前3页和最终表达这里最后一步我一定不会省。AI 可以帮你提速，但涉及数据、产品功能、教程步骤和具体结论时，还是要自己检查一次。尤其是封面和前3页。因为用户要不要继续往后滑，基本就在前几秒决定了。我现在越来越觉得：AI 做小红书真正好用的方法，不是找一个“万能 Prompt”。而是把整个过程拆开。
2026-08-19 10:30:04
764
原创 DyFCLT：频率解耦跨模态学习，RGBT小目标检测AP暴涨9.5%，CVPR 2026全解析
小目标检测（Tiny Object Detection, TOD）在无人机遥感、视频监控、灾难救援等场景中至关重要。仅依赖可见光模态时，动态光照、遮挡、低光照等环境因素导致小目标特征表示极度微弱。特征表示微弱：小目标仅占几个到十几个像素，特征信号极易被背景噪声淹没跨模态干扰复杂：两个模态的背景噪声模式不同，直接融合可能引入额外干扰频率特征被忽视：现有频域方法局限于可见光模态，对RGBT场景缺乏系统性分析传统认知认为"红外图像以低频成分为主，RGB图像以高频细节为主"。
2026-08-17 18:55:57
881
1
原创 HAFM：物理感知雾天门控融合，RGB-T检测雾天下mAP暴涨22.8%，CVPR2026全解析
RGB-热红外（RGB-T）融合检测在恶劣天气下理论优势巨大——RGB提供纹理细节，热红外不受光照和雾气影响。雾天时RGB通道的退化会通过融合模块传播到最终特征，反而拖累检测性能。先去雾再融合：DehazeFormer等方法先恢复清晰RGB，再做融合。问题：重度雾天下可见信号已严重丢失，去雾网络只能"幻觉"出不可靠的细节，引入新的伪影噪声。端到端融合：让网络自己学模态权重。问题：网络是"黑箱"——它不知道哪里有雾、雾多浓，只能隐式地从检测损失中推断，学习效率低且不可解释。
2026-08-16 12:58:10
1001
原创 全面超过GLM-5.2，DeepSeek-V4-Pro-0813全球第一梯队？
DeepSeek-V4-Pro-0813在11项Agent相关评测中表现亮眼，全面超越GLM-5.2，并在多项任务中达到或接近Kimi-K3、Opus-4.8和Fable5等头部模型的水平。尤其在自动化任务（AutomationBench）和复杂操作（Cybergym）中表现突出，部分项目成绩甚至领先。虽然未在所有评测中排名第一，但整体能力已稳定进入全球第一梯队，标志着其在代码工程、终端执行等实际应用场景中的显著进步。"全球第三"的说法需谨慎看待，但其综合实力已具备冲击头部位置的竞争力。
2026-08-13 09:36:04
1009
原创 Sparse4D-Radar：环视4D雷达-相机融合，可变形融合+速度一致性采样，OmniHD-Scenes SOTA
现有 4D 雷达-相机融合局限于前视感知——大多数方法仅处理前方视角，无法覆盖 360° 环视，与纯视觉系统的全场景能力形成差距前视→环视扩展计算爆炸——简单扩展到 360° 导致数据量指数增长，密集 BEV 网格的内存占用不可接受，推理延迟远超实时要求传感器可靠性波动——恶劣天气下相机语义退化、雷达多径干扰，固定融合权重无法应对环境变化面对"环视覆盖 vs 计算效率"的核心矛盾，浙江大学提出了——一个基于稀疏查询机制的高效环视 4D 雷达-相机融合框架。核心思路：不用密集 BEV 网格，而是用。
2026-08-10 09:30:33
1037
原创 救命 ! Codex增加这1个设置，我的AI写代码能力不降，Token用量反而大减 50%!
摘要：Luna模型降价后，作者重构了Codex的工作流，将昂贵的Sol模型作为决策大脑处理高价值任务，而廉价的Luna模型作为执行层处理重复性工作。通过创建独立子代理luna_worker，实现了任务自动委派：Sol负责需求拆解和结果审核，Luna以最大推理强度执行代码修改、测试等具体任务。这种分层架构不仅降低了80%的Token成本，还保持了主线程的纯净性。Codex现已支持项目级代理配置，开发者可通过AGENTS.md定义任务分配规则，形成"贵模型决策+廉价模型执行"的高效协作模式。
2026-08-09 20:45:00
499
原创 RAF：KAIST恶劣天气三模态融合，可靠性感知+标定感知局部匹配，AP3D提升7.4
本文提出了一种名为RAF（可靠性感知融合）的多模态3D检测框架，专门针对恶劣天气条件下的自动驾驶场景。通过显式监督逐像素可靠性估计和标定感知局部匹配技术，RAF有效解决了相机在雨雪雾天气下可能反向拖累性能的问题。关键创新包括： 可靠性感知融合（RAF）模块，通过弱监督学习生成逐像素可靠性图，抑制天气损坏区域的噪声； 标定感知局部匹配（CALM）技术，容忍跨模态投影误差； 模块化设计，仅需训练新增相机分支，即可适配现有LiDAR-Radar检测器。 实验表明，该方法在K-Radar和VoD数据集上AP3D提升
2026-08-06 11:38:26
1654
原创 别了 CC Switch！DeepSeek-V4-Flash 正式版原生杀进 Codex：速度翻倍，质量拉满
【摘要】DeepSeek-V4-Flash正式版实现原生Codex直连，彻底告别需要CCSwitch代理中转的旧模式。新方案采用原生Responses API，消除协议翻译环节，显著降低延迟（首字响应提升50%），完整保留模型输出能力，长代码和复杂场景更稳定。官方提供一键安装脚本支持macOS/Linux/Windows三平台，仅需：1）申请API Key；2）运行自动配置脚本；3）Codex填入密钥即可完成部署。用户可通过查询底层JSON配置验证连接状态，当前仅V4-Flash可用，V4-Pro支持预计2
2026-08-03 11:05:22
2298
原创 DeepSeek-V4-Flash-0731-正式版真来了_全面测评与国内外顶尖模型对比
这次官方更新最有意思的地方，不是它又喊了多大的口号，而是它把模型的价值，真正压回到了“能不能干活”这件事上。对普通用户来说，这可能只是一次 API 更新；对开发者来说，这更像是 DeepSeek 把自己又往生产环境里推了一大步。如果你手里已经有 Claude Code、Codex、或者自己的 Agent 工作流，这一版 DeepSeek-V4-Flash 值得认真试一轮。
2026-07-31 15:06:43
3876
原创 一个很实用的 AI 长会话收尾三件套|codex、claude都适用
【摘要】针对AI长会话信息易丢失痛点，本文提出「收尾三件套」方案：1.HANDOFF.md精准交接项目进度（目标/状态/卡点/下一步），要求新会话先总结再执行；2.反思机制通过表格归因错误类型（需求歧义/忽略约束等），优化后续提示词；3.经验文档固化高频踩坑点和有效工作流。三者形成「进度移交-错误归因-经验沉淀」闭环，将临时会话转化为可继承的智能资产。关键原则：精简可执行、区分一次性修改与复用价值、规避敏感信息泄露。
2026-07-30 10:48:24
591
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人