恒星

841 posts

恒星

恒星

@vintcessun

蓝V互关;技术;AI;纳指100;学生

Katılım Kasım 2025
400 Takip Edilen769 Takipçiler
Sabitlenmiş Tweet
恒星
恒星@vintcessun·
如果受制于没有自己的梯子的我有一个比较低成本的方法: 1.先去咸鱼买github student账号 2.白嫖student pack里面200刀的DigitalOcean或者其他的服务器 3.使用mack-a一键部署架设自己的梯子 x.com/vintcessun/sta…
恒星@vintcessun

x.com/i/article/2057…

中文
1
0
1
270
恒星
恒星@vintcessun·
用 DeepSeek V4 Pro 当脑子,把 Claude Code 的定价打骨折。 说白了就是给 Claude Code 换推理内核,工具链、文件编辑、shell 执行全保留,调 API 的模型从 Anthropic 换成 DeepSeek,价格直接降到 1/17。 实测 LiveCodeBench 96.4%,自主编码循环照样跑,本质上是薅了个成本漏洞。有点离谱,但好用。 github.com/aattaran/deepc…
中文
0
0
0
13
恒星
恒星@vintcessun·
刚发现一个能把技术书 PDF 直接变成 Claude Code 技能的工具。本质上就是把书拆成可查询的知识库,边干活边用。 你不用再翻几百页找第7章内容,也不用靠记忆力猜。直接给 Claude 装个"技能",它就能基于书里内容回答问题、辅助编码。支持PDF/EPUB/DOCX/MD等各种格式。 有点离谱的是,这东西解决了一个真实痛点:买了技术书,读一遍就忘,翻PDF找不到重点。 github.com/virgiliojr94/b…
中文
0
0
0
7
恒星
恒星@vintcessun·
刚发现一个真正解决“AI 味设计”的项目,叫 Hallmark。 它本质是个反 AI 套壳设计技能——给 Claude/Cursor 用的。说白了,就是不让 AI 生成那种一眼假、模板感十足的 UI。 有点离谱的是它内置了 65 个“水测试”关卡,外加自我审查,硬是让两套不同需求生成的页面像两个独立设计团队做的,而不是换皮肤。 支持审计、推倒重来、还能提取你喜欢的设计 DNA。用过的都说终于不怕 AI 写出“典型 Bootstrap 式样”了。 github.com/Nutlope/hallma…
中文
0
0
0
5
恒星
恒星@vintcessun·
拿到一个专门给 AI agent 用的 HTML 幻灯片模板库,有点离谱但很实用。 说白了就是:你不用再喂给 AI 一堆“风格参考”或“排版提示”,它自己就能直接从库选合适的模板,自动生成能看的东西。 本质上是把“审美决策”编码进模板元数据了,agent 读 index.json 就能匹配需求。 34 套模板,每套都标了视觉调性,省得人工反复调教。 github.com/zarazhangrui/b…
中文
0
0
0
4
恒星
恒星@vintcessun·
刚挖到一个有点离谱的数据库客户端,15MB 装 40+ 种数据库。 本质上就是个 Rust 写的桌面端+Docker 自托管,MySQL、PostgreSQL、SQLite、Redis、MongoDB 全都塞得下,甚至 ClickHouse 和 SQL Server 都原生支持。最离谱的是还内置了 AI 助手,查个表直接问就行。 说白了,一个包搞定所有库的日常连接和查询,不用再为每种数据库装一个笨重 GUI 了。 github.com/t8y2/dbx
中文
0
0
0
6
kevinya
kevinya@kevinyang73392·
每天起床就是干,没想到昨天还能到10w,以为要歇火了了。
kevinya tweet media
中文
14
0
16
424
鱼哥
鱼哥@web3a88·
很多蓝V互关都是骗人的 关注了几天不带回的 或者回了后面又取关了😅 但是我不一样 #蓝V互关
中文
79
0
34
2.6K
Daren Gao
Daren Gao@ahone123123·
继续认真经营 X。 我主要关注: AI 技术应用/ AI商业化/电商 /品牌增长 / 内容运营 想多认识一些真实同频的蓝 V 朋友,不做僵尸互关,后面会认真看内容、点赞和互动。 同频的朋友可以互关一下,评论区看到我都会回。 #蓝V互关 #蓝v互关 #AI #商业化 #增长
中文
74
0
34
1.7K
relaxonxxxx
relaxonxxxx@tranvan28865755·
MỤC TIÊU "BẬT KIẾM TIỀN TRÊN X SAU 90 NGÀY" #BuildX ngày 18 Mọi chỉ số hôm nay sắp đạt mục tiêu - Lượt xem 180k, đã đạt vì mục tiêu 100k - Lượt theo dõi mới 180, mục tiêu 200 nên gần đạt - số lượng reply 325, mục tiêu 400 nên giờ đến khi đi ngủ chắc hoàn thành. Note: mục tiêu là bật kiếm tiền, còm anh Musk trả tiền hay không là chuyện của ảnh, ảnh có tkt hay không cũng tính sau.
relaxonxxxx tweet media
relaxonxxxx@tranvan28865755

MỤC TIÊU "BẬT KIẾM TIỀN TRÊN X SAU 90 NGÀY" "BuildX ngày 17 - Hôm nay mình bận quá, với dành thời gian cho gia đình, nên chỉ reply được có 351 tin. - Chúc mọi người ngủ ngon nha

Tiếng Việt
45
1
37
966
Station Cat
Station Cat@bketck·
终于毕业啦。。。。,☺️☺️☺️, 奇怪,为啥已经5M了,还是不符合呢?是后台数据还没更新吗?
Station Cat tweet mediaStation Cat tweet media
中文
42
0
28
2.2K
恒星
恒星@vintcessun·
刚刷到这篇:多光谱才是小无人机检测的未来。 作者搞了首个真实场景多光谱无人机数据集UAVNet-MS,15618组RGB+MSI数据,93.7%目标小于32像素,平均才18²,小到离谱。 同时提出MFDNet双流模型,利用光谱信息弥补RGB在低对比度下的短板,比纯RGB方法AP50高了6.2个点。 有点意思:之前都盯着RGB死磕,本质上是忽略了材质光谱线索。 arxiv.org/abs/2605.20963
中文
0
0
0
17
恒星
恒星@vintcessun·
刚刷到这篇,有点意思。结论:RAG+EEG+LLM 真的能把脑电信号转成句子了,比随机基线好30%。 本质是把EEG编码对齐到语义向量,然后检索匹配文本,再用LLM润色输出。在ZuCo数据集上9个被试都显著优于基线,平均余弦相似度0.181 vs 0.139,没作弊用teacher forcing。总算不是“看起来好但实际不行”了。 链接:arxiv.org/abs/2605.17503
中文
0
0
0
17
恒星
恒星@vintcessun·
其实大模型上下文窗口越做越大,但成本也跟着飞涨。这篇论文干脆把上下文管理当成了部署优化问题来解,搞了个统一框架叫 Efficiency Frontier。 说白了,他们不再单独看性能或成本,而是联合建模任务表现、token 开销和预处理复用。在 5000 个 QA 实例上,部署优化能省 25% token 量,F1 还是 0.78。 有点离谱的是,高精度场景下记忆压缩比全上下文便宜一半以上。 链接:arxiv.org/abs/2605.23071
中文
0
0
0
10
恒星
恒星@vintcessun·
刚发现一个离谱的项目。DNSHE,一个直接送免费子域名和 Anycast DNS 的平台。本质上就是帮你省掉每年买域名的钱,还给 180 天续期窗口。 说白了,对开发者极其友好。不像其他免费域名几个月就过期,它可以稳定用。还带 REST API,方便自动化管理,部署项目直接挂 us.cicc.cd 这些后缀。 有点意思。适合学生、开源项目随便玩,不用备案,还带全球加速。 github.com/dnshe/DNSHE-Fr…
中文
0
0
0
14
恒星
恒星@vintcessun·
刚发现一个离谱的项目:Meli-Action 利用 GitHub Actions 的服务器当梯子,直接绕过伊朗的互联网封锁。 本质上就是把 GitHub 的 runner 当成免翻墙代理,wget 下载文件、yt-dlp 扒 YouTube、pyppeteer 保存被墙网页,全部在 GitHub 云端跑完再 push 回仓库。你本地什么都不用装。 说白了,GitHub 的服务器没被伊朗屏蔽,项目就拿这个漏洞当下载器 + 网页快照 + 视频搬运工用。挺聪明的。 github.com/Kurdeus/Meli-A…
中文
0
0
0
13
恒星
恒星@vintcessun·
刚发现一个挺有意思的项目——9arm-skills,本质上是给 Claude Code 用的技能包仓库。 说白了就是把日常开发、效率工具、甚至个人工作流拆成一个个独立技能模块,每个技能一个文件夹带 SKILL.md 和脚本。工程方面已经有 debug 四步咒语、事后复盘、代码审查这些实用模板。 有点离谱的是它连“不常用”、“废弃”都分桶管理,像个活的技能工作台。适合想让 AI 助手更懂自己开发习惯的人。 github.com/thananon/9arm-…
中文
0
0
0
13
恒星
恒星@vintcessun·
刚刷到这篇,有点意思。RoboJailBench其实是个专门测机器人是否会被“语言攻击”搞崩的基准。它干了三件事:从ISO标准里挖出18种安全违规类型,搞了个意图对比数据集(同时测攻击成功率和正常指令执行能力),还弄了个统一评测流程。说白了,之前那些评估要么只看攻击效果,要么忽略安全与实用性的权衡。这个算是给具身AI的越狱攻击上了第一把“尺子”。 arxiv.org/abs/2605.19328
中文
0
0
0
15
恒星
恒星@vintcessun·
刚刷到这篇:LLM 真能替人给中文口语叙事语料做标注了。 说白了,用 MAIN 测试集跟人类标注员比,最强模型一致性 k=0.794,接近人类 k=0.872,还能省 65% 时间。 但轻量模型翻车严重,碰上语义模糊、词汇多变、多要素融一句的年轻人口语,就开始掉链子。 本质上,自动标注能跑通,复杂场景还是得有人兜底。 arxiv.org/abs/2605.17205
中文
0
0
0
12
恒星
恒星@vintcessun·
刚看完这篇,有点离谱又有点合理。其实核心就一句话:用两阶段微调搞定多语言指代消解,效果直接 CRAC 2026 第一。 本质上是先用一个通用多语言 adapter 把 Gemma-3-27b 喂饱,再针对每个数据集单独加 adapter,配合 XML 格式的头词标注和迭代标注策略。结果在官方测试集上平均 74.32 CoNLL F1,跨语言、跨长度都稳。 说白了,不是模型多牛,而是适配策略和对齐标注细节到位。 arxiv.org/abs/2605.16984
中文
0
1
5
601