CoovallyAIHub

文章/答案/技术大牛

发布

LV0

全部文章

ICLR 2026 | VLM自己学会调检测器：VTool-R1用强化学习教视觉模型使用工具推理
让VLM（Vision-Language Model）用视觉工具辅助推理，听起来是个好主意——先高亮表格中的关键行列，再基于处理后的图像回答问题。但现实是，直接...
CoovallyAIHub 1天前2026-04-14 16:23:16
工具
RK3588上111 FPS：轻量YOLOv8+异步视频处理系统实现无人机自主电力巡检
无人机电力巡检正在从"按预设航点飞行+离线分析"向"实时检测+自主决策"演进，但边缘端算力始终是瓶颈——RK3588的NPU只有6 TOPS，功耗低至个位数瓦特...
CoovallyAIHub 1天前2026-04-14 16:22:22
github
96%漏洞发现率碾压商业工具！Shannon：全自主AI渗透测试Agent，34K Star
你的团队用AI编程工具每天部署代码，但渗透测试一年做一次——中间364天的安全空白谁来填？传统扫描器报一堆"可能存在"的漏洞，安全工程师还要逐条验证；请一次人工...
CoovallyAIHub 5天前2026-04-10 16:06:50
github
先猜后验：四个Agent协作理解长视频，VideoMME三基准SOTA
长视频理解一直面临一个核心矛盾：视频越长，冗余信息越多，模型越容易在海量帧中"迷路"。现有的Agent方法大多采用反应式检索——先搜索相关片段，再根据搜到的内容...
CoovallyAIHub 6天前2026-04-09 17:05:09
视频理解
MedOpenClaw：给GPT-5.4更多工具反而变差，TUM+牛津+帝国理工揭开工具使用悖论
当AI模型能力越来越强，给它更多专业工具，诊断准确率就一定更高吗？TUM、牛津大学、帝国理工学院等八所机构的联合团队给出了一个反直觉的答案：GPT-5.4在接入...
CoovallyAIHub 7天前2026-04-08 17:18:25
医疗大健康
3人干16人的活：Meta首次公开内部自主ML工程Agent架构——REA全拆解
一个广告排序模型的改进，传统流程需要2名工程师投入数周时间。当Meta同时面对8个模型的迭代需求时，16人的工程团队似乎是唯一选项。但如果告诉你，现在3名工程师...
CoovallyAIHub 7天前2026-04-08 17:15:32
深度学习框架
AerialVLA：用VLA模型实现无人机端到端视觉-语言导航
无人机视觉-语言导航（Vision-Language Navigation, VLN）的目标是让无人机根据自然语言指令自主飞往目标。但现有方法普遍依赖两根"拐杖...
CoovallyAIHub 12天前2026-04-03 14:58:10
人工智能
CVPR 2026｜一张缺陷图变一百张：O2MAG免训练注意力嫁接生成高保真工业异常样本
工业异常检测长期面临一个核心瓶颈：正常样本充足，异常样本稀缺。为每种缺陷类型收集大量标注数据既耗时又昂贵，而现有的异常图像合成方法往往依赖针对性训练，动辄数百小...
CoovallyAIHub 12天前2026-04-03 14:54:16
工业物联
VisionClaw：智能眼镜 + Gemini + Agent，看一眼就能帮你搜、帮你发、帮你做
戴上智能眼镜，看到一家餐厅就能问"这家评分怎么样"，AI 不仅看得懂还能帮你搜出来——这不是概念视频，而是一个已经跑通的开源项目。
CoovallyAIHub 14天前2026-04-01 17:44:18
人工智能
低空安全刚需！西工大UAV-DETR反无人机小目标检测，参数减少40%，mAP50:95提升6.6个百分点
反无人机检测正在成为低空安全领域的核心需求，但无人机目标尺寸小、背景复杂、尺度变化剧烈，传统检测器在这一场景下的精度和召回率往往难以兼顾。
CoovallyAIHub 14天前2026-04-01 17:36:38
人工智能
IEEE Sensors | 湖南大学提出KGP-YOLO：先定位风电叶片再检测缺陷，三数据集mAP均超87%
无人机拍摄的高分辨率图像中，风电叶片只占画面的一小部分，缺陷更是仅占像素总量的0.1%～1%——传统检测器直接在全图上做推理，背景干扰大、小目标漏检多。
CoovallyAIHub 14天前2026-04-01 17:35:51
工业物联
Claude Code Review：多 Agent 自动审查 PR，代码产出翻倍后谁来把关？
2026 年 3 月 9 日，Anthropic 发布了 Code Review for Claude Code——一个多 Agent 自动审查 PR 的系统。...
CoovallyAIHub 19天前2026-03-27 14:29:57
代码审计、github、前端构建
传感器数据相互矛盾时，无人机蜂群如何做出可靠的管道泄漏检测决策？
天然气管道泄漏检测是一个"慢不得"的高风险问题——延误几分钟，可能意味着爆炸、环境污染和巨额损失。近年来，联邦边缘AI驱动的自主无人机蜂群（Federated ...
CoovallyAIHub 19天前2026-03-27 14:28:40
工业物联、人工智能
57K Star 微调框架出了无代码 UI：Unsloth Studio 发布，2x 速度 + 70% 显存节省
微调大模型是让通用模型适配具体业务的关键步骤，但高显存占用和复杂的代码配置一直是两道门槛——一块 24GB 的消费级显卡往往连 7B 模型的全量微调都跑不动，而...
CoovallyAIHub 20天前2026-03-26 16:26:26
github、开源
EdgeCrafter：10M 参数达到 51.7 AP，姿态估计超越 YOLO26-Pose——让紧凑 ViT 在边缘端一打三
边缘设备上的密集预测任务（目标检测、实例分割、人体姿态估计）至今仍被 YOLO 等 CNN 架构主导，紧凑型 Vision Transformer（ViT）即使...
CoovallyAIHub 20天前2026-03-26 16:22:10
人工智能、算法、大模型部署、边缘计算
5.5K Star，中文首发！仿人类四层记忆网络，让 Agent 不再遗忘
为什么你的 Agent 总是"失忆"？你给它讲过一遍用户偏好，下次对话它又问一遍；你纠正了它的错误，过几轮它还是犯同样的问题。
CoovallyAIHub 22天前2026-03-24 16:28:02
开源框架、架构设计、github
别人都在介绍 SAM 3，这个项目直接把它变成实时检测器：80 类 25 倍加速
SAM 3 发布后迅速成为视觉语言模型的热门话题，但一个实际问题随之而来：它每次只处理一个文本提示，要检测 N 个类别就要跑 N 遍完整推理，80 类 COCO...
CoovallyAIHub 22天前2026-03-24 16:24:31
大模型部署、文本分析、计算机视觉
AAAI 2026 | 华中科大联合清华等提出Anomagic：跨模态提示零样本异常生成+万级AnomVerse数据集（附代码）
现有零样本异常图像生成方法大多仅依赖文本提示引导扩散模型，语义控制力有限，生成的异常掩码精度也不够高。
CoovallyAIHub 22天前2026-03-24 13:08:48
算法、计算机视觉、深度学习、机器学习、人工智能
编码智能体做 CV 任务，实际能力到哪一步了？——五项视觉任务实测解读
编码智能体（Coding Agent）能自动写代码、跑脚本、调 bug、迭代优化，但如果交给它一个视觉任务——比如数一张图里有多少只鸟、从视频里跟踪计数车辆、识...
CoovallyAIHub 22天前2026-03-24 09:41:45
算法、计算机视觉、深度学习、机器学习、人工智能
Pipecat：构建实时语音 AI Agent 的开源编排框架，500ms 级端到端延迟
语音 AI 的模型越来越多——ASR 有 Deepgram、Whisper，LLM 有 GPT、Claude、Gemini，TTS 有 ElevenLabs、A...
CoovallyAIHub 23天前2026-03-23 17:56:38
机器学习、人工智能、算法、计算机视觉、深度学习

12 3 4 5 6 7 8...22 下一页

个人简介

暂未填写公司和职称
专注开源社区深度解读，带你了解最新科技趋势，洞悉未来发展！
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
江苏省 | 南京市
加入社区时间：2024-12-31

个人成就

获得 480 次赞同
文章被阅读 381.2K 次
文章获得 1 次首页推荐

关注了：0关注者：36

CoovallyAIHub

全部文章

ICLR 2026 | VLM自己学会调检测器：VTool-R1用强化学习教视觉模型使用工具推理

RK3588上111 FPS：轻量YOLOv8+异步视频处理系统实现无人机自主电力巡检

96%漏洞发现率碾压商业工具！Shannon：全自主AI渗透测试Agent，34K Star

先猜后验：四个Agent协作理解长视频，VideoMME三基准SOTA

MedOpenClaw：给GPT-5.4更多工具反而变差，TUM+牛津+帝国理工揭开工具使用悖论

3人干16人的活：Meta首次公开内部自主ML工程Agent架构——REA全拆解

AerialVLA：用VLA模型实现无人机端到端视觉-语言导航

CVPR 2026｜一张缺陷图变一百张：O2MAG免训练注意力嫁接生成高保真工业异常样本

VisionClaw：智能眼镜 + Gemini + Agent，看一眼就能帮你搜、帮你发、帮你做

低空安全刚需！西工大UAV-DETR反无人机小目标检测，参数减少40%，mAP50:95提升6.6个百分点

IEEE Sensors | 湖南大学提出KGP-YOLO：先定位风电叶片再检测缺陷，三数据集mAP均超87%

Claude Code Review：多 Agent 自动审查 PR，代码产出翻倍后谁来把关？

传感器数据相互矛盾时，无人机蜂群如何做出可靠的管道泄漏检测决策？

57K Star 微调框架出了无代码 UI：Unsloth Studio 发布，2x 速度 + 70% 显存节省

EdgeCrafter：10M 参数达到 51.7 AP，姿态估计超越 YOLO26-Pose——让紧凑 ViT 在边缘端一打三

5.5K Star，中文首发！仿人类四层记忆网络，让 Agent 不再遗忘

别人都在介绍 SAM 3，这个项目直接把它变成实时检测器：80 类 25 倍加速

AAAI 2026 | 华中科大联合清华等提出Anomagic：跨模态提示零样本异常生成+万级AnomVerse数据集（附代码）

编码智能体做 CV 任务，实际能力到哪一步了？——五项视觉任务实测解读

Pipecat：构建实时语音 AI Agent 的开源编排框架，500ms 级端到端延迟

个人简介

个人成就

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐