<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[datayx的文章]]></title><description><![CDATA[有内容有料]]></description><link>https://blog.csdn.net/demm868</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; demm868]]></copyright><item><title><![CDATA[TextIn xParse文档解析正式上架WorkBuddy连接器！WorkBuddy能“读懂”你的每一份文档了]]></title><link>https://blog.csdn.net/demm868/article/details/163573924</link><guid>https://blog.csdn.net/demm868/article/details/163573924</guid><author>demm868</author><pubDate>Sat, 08 Aug 2026 00:08:18 +0800</pubDate><description><![CDATA[即日起，登录 WorkBuddy，在连接器管理页面找到 TextIn xParse，一键添加即可启用——。这意味着，WorkBuddy 能“读懂”你的每一份文档了——无论是加密 PDF、扫描件，还是跨页表格、复杂排版，一句话即可完成解析。。]]></description><category></category></item><item><title><![CDATA[Qwen3-VL-Seg 深度解读：当多模态大模型学会“像素级精准手术“，仅用0.4%参数碾压8B模型]]></title><link>https://blog.csdn.net/demm868/article/details/161433076</link><guid>https://blog.csdn.net/demm868/article/details/161433076</guid><author>demm868</author><pubDate>Tue, 26 May 2026 08:15:00 +0800</pubDate><description><![CDATA[本文提出Qwen3-VL-Seg，一个参数高效的框架，将MLLM预测的边界框视为语义锚定的结构先验，通过轻量级边界框引导的掩码解码器将其解码为像素级分割。Qwen3-VL-Seg相比backbone Qwen3-VL，分割任务的训练让定位精度也提升了——RefCOCO Val从90.7%→92.7%，RefCOCO+ TestB从75.6%→82.2%（+6.6%）。当你对AI说"把图片里那个穿着米色帽子、背着蓝色背包的人抠出来"——现有的多模态大模型能精准地画个矩形框告诉你"人在这儿"，但当你需要。]]></description><category></category></item><item><title><![CDATA[UHR-DETR 论文解读：超高分遥感小目标检测，10倍加速、精度反超]]></title><link>https://blog.csdn.net/demm868/article/details/161295323</link><guid>https://blog.csdn.net/demm868/article/details/161295323</guid><author>demm868</author><pubDate>Thu, 21 May 2026 08:10:00 +0800</pubDate><description><![CDATA[就像医生看 CT 片——先快速扫一遍全片找到可疑区域（Gain Map），然后把可疑区域放大仔细观察（稀疏 patch 编码），最后结合全片的结构信息做出诊断（全局-局部融合解码）。如果均匀采样，大量算力浪费在无目标的区域。• 当场景中目标分布极其均匀稠密时（如高密度停车场），稀疏策略的优势会减弱——因为几乎所有区域都是"高价值"区域，需要的 patch 数量趋近于全覆盖。这个损失鼓励中心点的 Gain 值高于周围邻居，使得 Gain Map 在目标聚集区域形成清晰的"热点"，在背景区域保持平滑。]]></description><category></category></item><item><title><![CDATA[2026论文解读，ASAHI：自适应切片助力小目标检测，速度提升25%、精度创新高]]></title><link>https://blog.csdn.net/demm868/article/details/161266230</link><guid>https://blog.csdn.net/demm868/article/details/161266230</guid><author>demm868</author><pubDate>Wed, 20 May 2026 08:08:00 +0800</pubDate><description><![CDATA[以 960×540 的图像为例，SAHI 的冗余计算率高达 38.72%，而 ASAHI 将其近乎完全消除。这也是为什么对于某些"恰好"匹配 SAHI 尺寸的图像（如 1360×765），ASAHI 的冗余削减只有 2.56%——因为这些图像的冗余本来就不高。ASAHI 的核心优势在于：通过自适应调整切片尺寸 p，使得 a 和 b 精确等于预设的行列数（3×2 或 4×3），从而将 R。ASAHI 提出的自适应切片策略，以极小的工程代价（核心只需修改几行切片逻辑）换来了显著的性能和速度提升。]]></description><category></category></item><item><title><![CDATA[TexMS-YOLO：纹理感知特征融合 + 多尺度交互实现工业缺陷检测91.99% mAP]]></title><link>https://blog.csdn.net/demm868/article/details/161149448</link><guid>https://blog.csdn.net/demm868/article/details/161149448</guid><author>demm868</author><pubDate>Sat, 16 May 2026 08:43:27 +0800</pubDate><description><![CDATA[TAFF的频域纹理增强 + MSI的门控多尺度交互 + TFE的跨层语义对齐，形成了针对工业场景的完整检测流水线。然而缺陷检测的难点不在于缺乏算法，而在于缺陷本身的复杂性——低对比度、复杂纹理背景、多尺度形态变化，使得传统检测方法在工业场景中频频失手。对"划痕"和"点蚀"两类缺陷mAP提升最显著（17.3%和14.4%），这两类恰好是纹理-背景对比度最低的类别，验证了纹理感知设计的有效性。既然缺陷与背景的差异主要体现在纹理层面，那为什么不为缺陷检测量身定制纹理感知的检测框架？]]></description><category></category></item><item><title><![CDATA[PINN+CNN热度攀升！抓住物理约束建模新机遇]]></title><link>https://blog.csdn.net/demm868/article/details/161124914</link><guid>https://blog.csdn.net/demm868/article/details/161124914</guid><author>demm868</author><pubDate>Fri, 15 May 2026 08:18:20 +0800</pubDate><description><![CDATA[具体而言，模型首先利用CNN从图灵斑图中回归反应扩散系统参数，然后基于稳态条件构建偏微分方程残差，并通过固定卷积核近似拉普拉斯算子，将物理方程约束直接写入训练目标。与常规的用CNN提取特征或在PINN中额外加入损失项不同，这一方法更强调卷积结构对物理算子本身的表达能力，让网络能够更自然地捕捉复杂空间场、多尺度变化以及时间演化规律。，提升模型在复杂工况下的泛化能力。，将卷积网络的空间建模能力与物理方程约束结合起来，使模型能够在缺少标签样本的情况下，直接学习物理系统从输入条件到解场之间的映射关系。]]></description><category></category></item><item><title><![CDATA[汇集所有大模型架构图！大模型架构演进全解析]]></title><link>https://blog.csdn.net/demm868/article/details/160964199</link><guid>https://blog.csdn.net/demm868/article/details/160964199</guid><author>demm868</author><pubDate>Sun, 10 May 2026 09:11:38 +0800</pubDate><description><![CDATA[Transformer架构已成为大模型基座，但不同模型的Attention机制、MoE设计、位置编码等关键实现差异显著，理解这些差异对于架构选型和模型优化至关重要。每个模型都有标准化卡片：参数规模、Decoder类型、Attention机制、KV Cache、发布日期、许可证...MHA、GQA、MLA、MoE、SWA、RoPE、NoPE、QK-Norm、MTP...每个概念都有独立解释页面。项目，汇集了60+主流大模型的标准化架构图谱，支持任意模型间的架构Diff对比。]]></description><category></category></item><item><title><![CDATA[98%准确率！这个双分支AI模型，精准识别木薯叶病害（附代码）]]></title><link>https://blog.csdn.net/demm868/article/details/160837190</link><guid>https://blog.csdn.net/demm868/article/details/160837190</guid><author>demm868</author><pubDate>Wed, 06 May 2026 08:00:26 +0800</pubDate><description><![CDATA[CNN像拿着放大镜看叶片细节的农技员，Transformer像站在田埂上看整片作物的专家——DenseSwinV2把两者结合起来，既看细节又看全局。把擅长看细节的CNN和擅长看全局的Transformer拼在一起，再加个“注意力开关”突出病害特征，让AI既懂局部细节，又懂整体关联。通俗说：就像给每个特征通道装了个“开关”，病害相关的通道开大，背景无关的通道关小，让模型专注学病害特征。：密集连接的CNN，每一层都和前面所有层连接，能保留最精细的局部特征，梯度流动也更好（不容易训练崩溃）]]></description><category></category></item><item><title><![CDATA[DeepSeek-V4发布后，顶会投稿量暴涨3倍：被导师放养的你，凭什么是那个“Accept”？]]></title><link>https://blog.csdn.net/demm868/article/details/160748796</link><guid>https://blog.csdn.net/demm868/article/details/160748796</guid><author>demm868</author><pubDate>Sun, 03 May 2026 12:45:48 +0800</pubDate><description><![CDATA[十余年专注学术论文全流程支持，精准匹配海内外名校博士与资深期刊审稿人，全程一对一跟进，平均 2‑6 个月中稿。研梦非凡不做工具的替代品，而是用 十几年经验 + 1v1 大牛导师，帮你打造“审稿人一眼就想录”的高创新论文。：不会在你被拒稿时帮你分析 reviewer 2 的刁钻问题，更不会教你写 rebuttal。，你要逐字逐句地、像做手工一样地给论文“降AI”，使其变成更像人类研究者的“个性化论文”？不限次匹配导师，直到你满意。返修环节，审稿人导师还会帮你逐一审核 rebuttal，直到你自信点击提交。]]></description><category></category></item><item><title><![CDATA[CVPR 2026论文解读：SynSur端到端工业表面缺陷生成与检测]]></title><link>https://blog.csdn.net/demm868/article/details/160722653</link><guid>https://blog.csdn.net/demm868/article/details/160722653</guid><author>demm868</author><pubDate>Sat, 02 May 2026 09:01:51 +0800</pubDate><description><![CDATA[该研究的核心思路：利用视觉语言模型提示、LoRA适配的扩散模型、掩码引导修复等技术，自动生成带标注的缺陷样本，降低对大规模真实标注数据的依赖。）提出了一种端到端的工业表面缺陷生成与检测管线，通过合成数据与真实数据结合，辅助提升缺陷检测效果。：生成样本的质量直接通过检测模型的性能进行验证，无需单独评估生成环节，实现两个环节的协同优化。指定缺陷位置，仅在目标区域生成缺陷内容，保持背景区域与原始图像一致，提升生成样本的真实感。，且生成与检测环节采用端到端评估，可快速定位管线中的问题节点。]]></description><category></category></item><item><title><![CDATA[大模型怎么听懂人话？彻底搞懂Token的本质]]></title><link>https://blog.csdn.net/demm868/article/details/160722353</link><guid>https://blog.csdn.net/demm868/article/details/160722353</guid><author>demm868</author><pubDate>Sat, 02 May 2026 09:01:51 +0800</pubDate><description><![CDATA[这样训练出来的Tokenizer，既能处理常见词（整个词作为一个Token），也能处理生僻词（拆成子词Token），效率很高。第一次合并：“un”出现频率高 → 合并成["un", "h", "a", "p", "p", "i", "l", "y"]初始：["u", "n", "h", "a", "p", "p", "i", "l", "y"]（对应“unhappy”）”，大模型是怎么“听懂”这句话的？第二次合并：“happy”出现频率高 → 合并成["un", "happy", "l", "y"]]]></description><category></category></item><item><title><![CDATA[CVPR 2026创新：AI交警来了！1.6万视频训练，责任判定秒杀人类专家]]></title><link>https://blog.csdn.net/demm868/article/details/160696175</link><guid>https://blog.csdn.net/demm868/article/details/160696175</guid><author>demm868</author><pubDate>Fri, 01 May 2026 08:51:38 +0800</pubDate><description><![CDATA[比如要判定责任，必须先知道事故类型、时间、主体、事实、原因。：DecaTARA数据集10项任务联动，6.8万视频+19.6万QA，为后续研究提供基准。：第一次定义了TARA（交通事故责任分配）任务，填补了事故检测和理解之后的空白。之前的模型只会"看图说话"，不会"依法断案"。：上传事故视频，AI自动生成责任认定书初稿，交警审核后签发，效率提升10倍。四、DecaTARA数据集：10项任务，6.8万视频，19.6万问答对。：MCoT+RAG组合拳，让AI既能推理又能懂法，幻觉率降低88%]]></description><category></category></item><item><title><![CDATA[14.7M参数，小目标AP达到13.9%！FSDETR用频空融合重新定义目标检测]]></title><link>https://blog.csdn.net/demm868/article/details/160641995</link><guid>https://blog.csdn.net/demm868/article/details/160641995</guid><author>demm868</author><pubDate>Wed, 29 Apr 2026 08:08:06 +0800</pubDate><description><![CDATA[16倍下采样后，一个32x32的小目标，就只剩下2x2像素了。这就好像你听音乐，既要看五线谱（空域），也要听频率（频域），两个结合起来才能完整理解音乐。很多方法把不同层级的特征强行融合，但高层特征语义虽然强，空间位置信息早就模糊了。这就是DA-AIFI做的事——自动找到小目标最可能出现的位置，然后重点关注。无人机航拍影像中，那些只有十几个像素的小目标，传统检测器一不小心就漏掉了。两者结合 = 既知道"这是个人"，又看清了"他的衣服是什么颜色"这就是"语义错位"——你知道这是个物体，但不知道它在哪儿。]]></description><category></category></item><item><title><![CDATA[RF-DETR-首个突破60 AP的实时检测器（附实战教程）]]></title><link>https://blog.csdn.net/demm868/article/details/160607521</link><guid>https://blog.csdn.net/demm868/article/details/160607521</guid><author>demm868</author><pubDate>Tue, 28 Apr 2026 08:29:01 +0800</pubDate><description><![CDATA[RF-DETR的创新在于：用神经架构搜索(NAS)，找到了一套让Transformer实时运行的"最优解"。注意：在哪台GPU上转换，就在哪台GPU上部署（引擎文件不可跨GPU架构迁移）。DETR走的是Transformer路线，擅长全局理解，但推理速度曾是痛点。YOLO系列适合稳定生产的场景，RF-DETR适合追求精度上限的场景。60 mAP，意味着它能识别的物体更准、漏检更少、误报率更低。这不是什么"发布即结束"的学术项目，这是一个活的工程系统。YOLO走的是CNN路线，擅长速度，但全局建模能力受限。]]></description><category></category></item><item><title><![CDATA[2026年大模型API免费额度盘点：14个平台薅羊毛指南，看这篇就够了]]></title><link>https://blog.csdn.net/demm868/article/details/160535726</link><guid>https://blog.csdn.net/demm868/article/details/160535726</guid><author>demm868</author><pubDate>Sun, 26 Apr 2026 11:47:48 +0800</pubDate><description><![CDATA[Gemini 2.5 Flash：$0.15/百万Token（输入），$0.60/百万Token（输出）Claude Haiku 3.5：$0.80/百万Token（输入），$4/百万Token（输出）GPT-4o-mini：$0.15/百万Token（输入），$0.60/百万Token（输出）。GPT-4.5：$2.50/百万Token（输入），$10/百万Token（输出）GPT-4o：$2.50/百万Token（输入），$10/百万Token（输出）（RPM/QPS），不是想调就调。]]></description><category></category></item><item><title><![CDATA[DeepSeek-V4 本地部署实战指南：4套方案从入门到企业级（附RTX 5090实测数据）]]></title><link>https://blog.csdn.net/demm868/article/details/160510637</link><guid>https://blog.csdn.net/demm868/article/details/160510637</guid><author>demm868</author><pubDate>Sat, 25 Apr 2026 13:04:28 +0800</pubDate><description><![CDATA[V4-Flash 便宜是便宜，输入 1 元/M token，输出 2 元/M token，但量大了还是肉疼。V4-Pro 更离谱，输入 12 元/M token，输出 24 元/M token，这价格要是天天调用，月账单轻松破万。用 4-bit 量化跑 V4-Flash，显存占用 ~22GB，延迟 ~80ms/token，并发能到 2-3 路。换句话说，同样的硬件，能跑更长的上下文、更大的并发。Flash 是「小而美」，一张 RTX 4090/5090 就能跑，门槛低，效果够用。]]></description><category></category></item><item><title><![CDATA[DINOv3 + YOLO26 实战指南：如何用自监督学习把目标检测精度再拉高 10 个点？]]></title><link>https://blog.csdn.net/demm868/article/details/160453465</link><guid>https://blog.csdn.net/demm868/article/details/160453465</guid><author>demm868</author><pubDate>Thu, 23 Apr 2026 08:22:24 +0800</pubDate><description><![CDATA[训练过程中，它用 Gram 矩阵来约束特征分布，防止模型"躺平"——学到的特征越来越简单、越来越没有区分度。YOLO 像是提前刷了大量真题（监督学习），它知道"这道题考的是猫"是因为它见过很多张标注了"猫"的图片。但遇到角度刁钻、光线诡异的猫，它就容易翻车。没有花里胡哨的理论，就是一步一步告诉你：怎么把 DINOv3 的特征提取能力嫁接到 YOLO26 上，让你的检测器真正"看得更准"。DINOv3 在海量无标注图像上预训练过，它已经知道"边缘是什么"、"纹理是什么"、"形状是什么"、"遮挡是什么"]]></description><category></category></item><item><title><![CDATA[AutoResearch实战：让AI自己训YOLO，mAP从0.729到0.773]]></title><link>https://blog.csdn.net/demm868/article/details/160062863</link><guid>https://blog.csdn.net/demm868/article/details/160062863</guid><author>demm868</author><pubDate>Sat, 11 Apr 2026 09:04:00 +0800</pubDate><description><![CDATA[之后Agent在focused-TAL的参数空间里又精调了二十多轮，搜索范围快速收缩：从最初大范围探索（topk 15-24, beta 2.3-4.0, boost 1.5-2.3），到最后集中在一个很小的区间（topk 21-24, beta 2.6-2.9, boost 2.0-2.15）。H100按小时租，3美元一小时，实际花了10个小时。工业缺陷检测这种场景，1800张图摆在那里，模型选型、超参配置、数据增强，每一步都有人教你"最佳实践"，但你真金白银白银下去，结果往往和你预想的不太一样。]]></description><category></category></item><item><title><![CDATA[智谱GLM-5.1深度评测：8小时连续工作，开源大模型进入“工程交付“新纪元]]></title><link>https://blog.csdn.net/demm868/article/details/160605447</link><guid>https://blog.csdn.net/demm868/article/details/160605447</guid><author>demm868</author><pubDate>Fri, 10 Apr 2026 08:02:48 +0800</pubDate><description><![CDATA[全球首个通过真实工程任务验证8小时持续工作能力的开源模型，在SWE-Bench Pro上超越GPT-5.4和Claude Opus 4.6登顶全球第一，重新定义AI从"回答问题"到"完成项目"的范式转变。有个AI，在真实工程任务中连续工作了8小时，完成了1200多步操作，从零搭建了一套完整的Linux桌面环境。但真实工程任务不一样：你可能需要先查资料，再写代码，发现报错后换思路，再试，再报错，再换……也就是说，GLM-5.1用24小时做的优化，效果是PyTorch官方AutoTune的。]]></description><category></category></item><item><title><![CDATA[智谱GLM-5.1深度评测：8小时连续工作，开源大模型进入“工程交付“新纪元]]></title><link>https://blog.csdn.net/demm868/article/details/160572414</link><guid>https://blog.csdn.net/demm868/article/details/160572414</guid><author>demm868</author><pubDate>Fri, 10 Apr 2026 08:02:48 +0800</pubDate><description><![CDATA[全球首个通过真实工程任务验证8小时持续工作能力的开源模型，在SWE-Bench Pro上超越GPT-5.4和Claude Opus 4.6登顶全球第一，重新定义AI从"回答问题"到"完成项目"的范式转变。有个AI，在真实工程任务中连续工作了8小时，完成了1200多步操作，从零搭建了一套完整的Linux桌面环境。但真实工程任务不一样：你可能需要先查资料，再写代码，发现报错后换思路，再试，再报错，再换……当然，这个"工程师"还有不足——复杂推理、长文本理解、多模态处理，这些都还有提升空间。]]></description><category></category></item></channel></rss>