最新文章

中国专利.skill 技术解读:把专利交底书写成 Agent 工作流

GitHub 趋势榜上出现了一个仓库:handsomestWei/patent-disclosure-skill,仓库名就是它的用途(专利交底书),作者给它起的中文叫「中国专利.skill」。它做的事情是把专利流程中的四个环节,专利点挖掘与交底书编写、著录字段检索、专利文本通俗解读、审查意见答复,打包成一套可以直接装进 Claude Code 或 Curso…

Invidious 技术解读:23.8k star 的 YouTube 替代前端,为什么三年了还杀不死

2018 年 8 月,开发者 Omar Roth 在 GitHub 上传了第一个版本的 Invidious。这个用 Crystal 语言写的网页应用提供了一件事:换一个界面看 YouTube,页面里没有广告、没有追踪脚本,订阅列表和播放历史存在你自己的服务器上,而不是 Google 的数据库里。八年后的现在,这个仓库有 23819 颗 star,仍然在按月发…

World Labs 发布 Atlas 世界模型:从一张图生成、重建、模拟整个世界

9 月 1 日,李飞飞创办的 World Labs 发布新一代世界模型 Atlas。官方对它的定位是全模态(omni)世界模型:从零预训练,在单一架构里原生处理文本、图像、视频和 3D,任务覆盖世界的生成、重建与模拟。Atlas 之后会驱动 World Labs 的下一代产品 Marble,早期访问申请已经开放。 Atlas 官方主视觉 一次输入,四类输出…

mdlARC 技术解读:0.67 美元、1.5 小时,75M 参数小模型在 ARC-AGI-1 拿到 44%

ARC-AGI-1 公开评测集上出现了一个新的低成本纪录:独立研究者 Mithil Vakde 训练的 75M 参数小模型 mdlARC 拿到 44% 的解题率,总训练成本约 0.67 美元,用时 1.5 小时,硬件是一张在 vast.ai 上租来的 RTX 5090。这组数字来自作者发布的技术博客与开源仓库 mdlARC,代码、数据构建脚本和复现步骤全部公…

BirdNET-Go 技术解读:安防摄像头改造成 24 小时鸟类声纹监测站

门口的监控摄像头每天对着院子录音,音频流进了家里服务器上的一个 Go 程序。程序把声音切成 3 秒一段,丢进本地跑的神经网络,片刻之后返回结果:一个鸟种名字,附带置信度。美国开发者 Jason Tucker 用三台现成的安防摄像头组出了这样一套系统,他把过程写成博客后登上了 Hacker News 首页,拿到 504 分和 121 条讨论。背后支撑这一切的是…