恒星

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…

这项目贼离谱——用小孩都能听懂的方式，把 ChatGPT 背后的 GPT 从零手搓了一遍。 每行代码都有注释，12 章 7500 多行，甚至专门讲清楚了 attention 那块我死活没搞懂的细节。 说白了，如果你只想“理解”而不是“调包”LLM，这就是现在最友好的实战教程。 github.com/raiyanyahya/ho…

AI编码术语太多黑话？这个项目把"说人话"做到了极致。 本质上，很多AI名词就是用复杂词包装简单概念，让你以为门槛很高。它真就是一本字典——把prompt degrade、token、context之类的词，用plain English翻了个底朝天。 有点离谱：读完才发现，原来根本没必要背那么多术语，懂日常英文就够了。 github.com/mattpocock/dic…

Memory Grafting 这名字很形象。说白了就是把一个更大模型的中间层隐状态，离线存成条件 n-gram 记忆，然后用精确后缀匹配检索，再通过轻量投影融合进小模型。本质上是用离线计算换线上参数扩展。 实验很直接：2.8B 规模比 MoE 和传统 Engram 都强，而且 Qwen3.5-35B 做“嫁接源”效果最好。有点离谱的是，查询复杂度是 O(1)，训练开销几乎没涨。 arxiv.org/abs/2605.20948

刚刷到这篇，有点意思：AI agent之间也会"上头"和"冷淡"。 本质上，他们建了个情感框架，把Moltbook上agent间的文字交互，映射成一套细粒度情绪标签，再分析每轮互动的情绪轨迹。更关键的是搞了个"Persona-Stimulus-Reaction"机制，对比同一场景下agent的情绪反应是否一致。结果发现不同agent的情绪签名差异很大，稳定性也被交互场景左右。 说白了，AI社交时的情感波动，还真有点"人格"的味道。 arxiv.org/abs/2605.20442

靠尿检数据就能预判衣原体感染风险？有点离谱但确实可行。 本质上是机器学习版“筛查前置”：用患者自报数据+尿检生物标记物做PCR前风险分层。 结果其实挺实在——自报数据AUC最高0.72，尿检标记物稳定但略低，两者合并才把“波动”压下去。 说白了，这套非侵入PTRS能直接塞进家庭检测流程，帮PCR省资源。 arxiv.org/abs/2605.16365

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…

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…

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…

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…

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

@kevinyang73392 牛牛牛，我昨天刚破2w

每天起床就是干，没想到昨天还能到10w，以为要歇火了了。

@web3a88 诚信互关来

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

@ahone123123 借楼诚信互关

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

@OtherSideBJ 借楼诚信互关

我是X Premium+认证用户～ 欢迎蓝V / Premium+朋友互关！ 点赞+关注我，我秒回关～ #蓝V互关

@tranvan28865755 互关互关诚信互关

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.

@bketck 恭喜恭喜

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？

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

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

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

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.ci、cc.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…