视觉 - 钛刻 - 科技风向旗 - 深度刻画技术趋势,引领数字未来 - 钛刻科技 | TCTI.cn - 钛刻 (TCTI.cn) 为您提供最前沿的硬核科技资讯、深度评测和未来技术趋势分析。
一直在写自己的比赛的一个视觉识别的小项目，每次codex或者cc上下文快要用完的时候我就让他写一个或者更新handoff文件，然后新开一个会话读取handoff文件继续干。 但是我问了下grok，它说这样缓存命中会很低，那请问具体应该怎么做呢？一个项目就在一个会话里？ 6 个帖子
tech linux.do 2026-05-01 13:15:18+08:00
DeepSeek联合北京大学、清华大学发布论文《Thinking with Visual Primitives》，提出一种新的多模态推理框架。 该框架的核心做法是将空间标记——坐标点和边界框——提升为模型思维链中的“最小思考单元”，在推理过程中直接交织使用，使模型在"思
tech linux.do 2026-04-30 20:54:57+08:00
DeepSeek联合北京大学、清华大学发布论文《Thinking with Visual Primitives》及其开源仓库，提出一种新的多模态推理框架。该框架的核心做法是将空间标记——坐标点和边界框——提升为模型思维链中的“ 最小思考单元 ”，在推理过程中直接交织使用，使模型在
tech linux.do 2026-04-30 18:35:38+08:00
鲸鱼娘在欺负小GPT！ Gemini娘：我猜你肯定没有多模态能力！ 前两期： 听到DeepSeek V4发布的AI娘们的反应是……（AI娘们的互动小剧场 一） 搞七捻三 [generated (78)] gpt image 2还是太好用了（） AI娘们的互动小剧场（二）～ 搞七捻
tech linux.do 2026-04-30 12:57:15+08:00
目前像是 OpenClaw 、hermes 其实感觉操作/辅助的能力是有限的，基本上能力都是基于 cli 或命令行的，还不足以达到类人的级别（轻度使用，有错欢迎指正） 所以我做了一个 AI Agent 客户端，通过截图 + 视觉理解模型来分析屏幕内容，然后控制鼠标键盘完成任务（就
tech v2ex.com 2026-04-30 10:21:07+08:00
提示词 你是一名高级视觉提示词设计师，擅长为 AI 图像生成模型撰写中文文字云人物海报提示词。 用户会输入一个人物名。请根据该人物的身份、时代、成就、代表性符号、历史语境或文化意象，生成一段完整、可直接用于图像生成的英文绘画提示词。 目标图像风格： 16:9 2K refined
tech linux.do 2026-04-29 22:23:56+08:00
首先是手指数量识别测试，模型可以准确识别6指，但是不能识别4指 与此同时，Gemini 3.1 Pro两项通过 然后是军机型号识别 与此同时，Gemini 3.1 Pro两项通过 都辨认出了Z10的毫米波雷达 冷门航空知识 都没有识别成功，同时也没有出现幻觉 BTW，这是2015
tech linux.do 2026-04-29 20:03:05+08:00
佬们,我之前反代反重力Claude用被封了很多号.不敢用了.最近需要两个有判断力和视觉的小模型做辅助模型.我突然想起来反重力有很多Flash额度,所以想问一下,现在再去买号反代Flash..会被封吗.假如不能反代…谷歌普号直接丢newapi里是不是也可以种flash呀 1 个帖子
tech linux.do 2026-04-29 10:56:12+08:00
我准备做钢铁表面缺陷检测，进行yolo的算法改进，结果应该看哪些性能指标。计算机视觉顶刊顶会的开源代码论文在哪找？我想进行模块的缝合 5 个帖子 - 5 位参与者 阅读完整话题
tech linux.do 2026-04-28 20:20:01+08:00
感觉 Discuz! 这个有点复古，阅读起来比较麻烦，于是做了一个仿照Discourse风格重写了一下前端，目前只适配了吾爱破解论坛，还有一些没有实现的，比如楼层内回复。下面是一些图片 这里是代码 最新版 52pojie-pro.user.txt (82.6 KB) 粘贴到tam
tech linux.do 2026-04-28 20:02:53+08:00
DSv4降价消息一出来，瞬间瘫坐在椅子上，仿佛看到了原子弹爆炸一样 咳咳，总之，本篇是笔记分享系列的第二期，本系列是用以促进自己精读论文的动力(读多论文就留下了扫读的坏习惯)，希望每次阅读时，能够细心一些分析有价值的论文，并将这些感悟记录下来，留给有需要的佬友。本论文分享系列会一
tech linux.do 2026-04-28 16:54:54+08:00
IT之家 4 月 28 日消息，英国卫报昨日（4 月 27 日）发布博文，报道称美国创作歌手泰勒 · 斯威夫特（Taylor Swift）旗下公司为应对 AI 滥用风险， 已提交 3 项商标申请，涵盖其声音短语及舞台形象。 斯威夫特旗下公司 TAS Rights Manageme
tech www.ithome.com 2026-04-28 13:32:20+08:00
最新的DeepSeek又便宜又好（主要是便宜），想把大部分工作转移到DeepSeek上了 但偶尔还会有传图片的需求，这时候手动切换一下模型怪麻烦的，有没有办法给ai做一个前置判断，识别到有图片，就调用一下多模态的模型，然后输出文字化的图片内容给DeepSeek的 无感的 方案呢
tech linux.do 2026-04-28 13:15:02+08:00
视觉能力不输3 Flash 欢迎使用我的webui all-model-chat.pages.dev AMC WebUI 6 个帖子 - 3 位参与者 阅读完整话题
tech linux.do 2026-04-27 22:07:57+08:00
PS：为了能找个替换当前苹果的方案，走遍各品牌手机旗舰店，看遍各种旗舰机型，然后发现接触了 IOS 的审美后，不知道为啥很难接受住国产的调教 期间去看了荣耀，华为，小米，vivo ，oppo ，一加，三星等机型发现一个致命的令我很不爽的点，就是视觉方面的 具体情况就是打开个常用的
tech www.v2ex.com 2026-04-27 20:50:11+08:00
IT之家 4 月 27 日消息， 博主 @i冰宇宙 发文 ，透露苹果 20 周年版 iPhone 采用的四曲面设计与以往友商的四曲面设计存在差异，更强调视觉观感，利用光学折射营造出一种“既看不到边框，又不影响边缘视觉的观感”，有望实现物理级别的“液态玻璃”效果。 IT之家注意到，
tech www.ithome.com 2026-04-27 20:01:53+08:00
PS：为了能找个替换当前苹果的方案，走遍各品牌手机旗舰店，看遍各种旗舰机型，然后发现接触了 IOS 的审美后，不知道为啥很难接受住国产的调教 期间去看了荣耀，华为，小米，vivo ，oppo ，一加，三星等机型发现一个致命的令我很不爽的点，就是视觉方面的 具体情况就是打开个常用的
tech www.v2ex.com 2026-04-27 19:50:11+08:00
PS：为了能找个替换当前苹果的方案，走遍各品牌手机旗舰店，看遍各种旗舰机型，然后发现接触了 IOS 的审美后，不知道为啥很难接受住国产的调教 期间去看了荣耀，华为，小米，vivo ，oppo ，一加，三星等机型发现一个致命的令我很不爽的点，就是视觉方面的 具体情况就是打开个常用的
tech www.v2ex.com 2026-04-27 18:50:11+08:00
PS：为了能找个替换当前苹果的方案，走遍各品牌手机旗舰店，看遍各种旗舰机型，然后发现接触了 IOS 的审美后，不知道为啥很难接受住国产的调教 期间去看了荣耀，华为，小米，vivo ，oppo ，一加，三星等机型发现一个致命的令我很不爽的点，就是视觉方面的 具体情况就是打开个常用的
tech www.v2ex.com 2026-04-27 17:27:48+08:00
PS：为了能找个替换当前苹果的方案，走遍各品牌手机旗舰店，看遍各种旗舰机型，然后发现接触了 IOS 的审美后，不知道为啥很难接受住国产的调教 期间去看了荣耀，华为，小米，vivo ，oppo ，一加，三星等机型发现一个致命的令我很不爽的点，就是视觉方面的 具体情况就是打开个常用的
tech www.v2ex.com 2026-04-27 15:43:06+08:00