本文介绍了RSNA颅内动脉瘤检测竞赛的优胜方案。该竞赛旨在通过AI技术检测脑部影像中的动脉瘤，实现早期诊断。数据集包含多模态医学影像，标注了13个血管位置。前五名方案均采用两阶段策略：先定位血管区域，再进行分类。第一名方案通过血管分割和ROI提取，结合Transformer实现精确预测；第二名使用多任务3D nnU-Net；第三名利用2D投影和3D分类；第四名采用回归定位和2.5D分类；第五名通过

《StreamingVLM：实时无限视频流理解框架》摘要 StreamingVLM创新性地提出了一种训练与推理统一的流式视觉语言模型架构。该框架通过重叠窗口全注意力监督微调(SFT)，实现了有限长度训练与无限长度推理的自然对齐。关键技术包括：高效KV缓存复用机制(注意力汇聚、短窗口视觉缓存与长窗口文本缓存)和连续位置编码，在单张H100显卡上实现8FPS的稳定流式推理。研究团队构建了首个平均时长超

本章节主要描述在提示词开发与测试的过程中，总结出来的经验。部分内容可能在前面已经提到，这里做下整体总结。1.提示词调试经验：提示词调试，调2-3次效果最好，无效立刻改提示词。在使用AI生成代码时，个人使用上发现个规律：首次生成基本达不到标准，第2、3次效果最佳，再往后使用就会出现更多各种各样的骚操作，所以一般两三次的效果还是比较可观的，就可以考虑采纳了；如果效果一直不好，那就考虑改改提示词吧。2.

本文来源公众号，仅用于学术分享，侵权删，干货满满。业务场景：后端JAVA业务代码生成。AI解决方案概述：从系分出发，解析提取其中核心内容，并生成任务列表，再让AI工具结合提示词完成任务（生成代码）。工具选择：IDEA CodeFuse插件 + CodeFuse IDE。使用效果概述：目前已经覆盖门面层代码的生成和修改、持久层代码的生成和修改、业务逻辑层的代码生成。已经正式投产到三个项目迭代中，参与

本文介绍了如何利用Coze智能体的工作流实现公众号文章自动采集、AI改写与发布的全流程。通过9个低代码节点设计，系统可自动爬取公众号/知乎文章，使用大模型进行爆文改写，AI生成封面图，并直接发布到微信公众号后台。实测从输入链接到完成发布仅需1分钟，效率远超传统开发方式。文章还展示了知乎文案转公众号的完整案例，指出这种自动化矩阵运营模式已成为行业趋势，能显著降低内容创作门槛，帮助用户抢占市场先机。

本文介绍了使用AI工具CodeFuse辅助JAVA后端开发的实践方法。通过分析业务场景，将代码分为门面层、持久层和业务逻辑层，分别设计提示词模板。重点解决了时序图转伪代码、业务逻辑推理引导等难点，实现了从需求分析到代码生成的自动化流程。在三个已上线项目中应用表明，该方法平均减少40%编码工作量，有效提升了开发效率和代码规范性。文章详细分享了提示词设计思路、流程图增强方法以及各层代码生成的具体实现方

本文分享了团队通过Docker Swarm和CI/CD流水线优化微服务部署的实战经验。针对手动部署风险高、环境不一致、发布效率低等痛点，采用容器编排+自动化流水线方案，将部署时间从35分钟缩短到8分钟，失败率从15%降至0.3%。重点介绍了架构选型理由、分阶段CI/CD设计、Swarm Stack生产配置优化（滚动更新、健康检查、资源限制等）、一键部署脚本和监控告警体系。文章还展望了AIOps、G

华南理工大学等机构联合提出PaDT新范式，通过动态生成视觉参考令牌（VRT）取代传统坐标输出，实现多模态大模型（MLLM）与视觉语义的深度对齐。该方法将图像块转换为可解码Token，使模型能直接"说出"目标区域，有效解决坐标回归导致的格式混乱、语义断裂和幻觉问题。PaDT采用轻量解码器统一支持检测、分割等任务，在指代表达理解任务上达93.6%准确率，性能优于规模更大的MLLM。

DescribeEarth开源多模态模型突破遥感图像细粒度描述瓶颈，实现万物级对象解译。该模型基于VLM架构，结合RemoteCLIP特征先验与创新视觉融合机制，在包含26万实例的DE-Dataset上训练，能精准描述目标属性、关系及环境特征。相比通用大模型（如GPT-4o），其性能在事实准确性、描述丰富度方面显著提升，支持灾害评估、环保监测等应用场景。数据代码已开源，推动遥感分析从整体描述迈向细

上海人工智能实验室开源MinerU2.5模型，创新采用"由粗到细"两阶段解析策略，通过12亿参数实现文档解析四项任务（文本、公式、表格、阅读顺序）的性能突破。该模型先低分辨率分析全局版面，再高精度识别局部内容，有效解决传统OCR误差级联、VLM幻觉等问题。针对长公式和复杂表格，分别提出ADR框架和优化表格结构语言，显著提升解析准确率。在密集文本、多栏跨页等复杂场景下表现优异，成