← 全部日期

AI & CV 每日科普 · 2026年11月9日

6 条当日/近期热点 · 工程师向浅科普

【主题】GitHub @GitHub 在 Slack/Teams 正式 GA:聊天里查 bug、改代码、提 PR

解读 团队常在聊天里发现线上问题,再切回 IDE 开 Issue 很费劲。GitHub 把云端编程助手做成可在 Slack/Teams 直接 @ 调用:调查原因、写改动、开 PR 都能留在对话流。Teams 还加了 Canvas,方便并排看方案和 diff。落地时先划清仓库权限与人工审阅门槛,别让“聊一句就合入”变成新风险。

来源 GitHub Changelog

【主题】苹果向全体开发者开放 Siri AI:App Intents 自定义动作与 skills

解读 以前第三方多半只能对接苹果定好的能力模板,复杂业务很难交给语音助手。现在开发者预览里,任何 App 都可用 App Intents 暴露自己的动作,并用 skills 把多步流程串起来。App Store 提交预计明春才开,正好用来梳理哪些操作可安全自动化、哪些必须二次确认。

来源 Apple Developer

【主题】谷歌研究:智能手表 PPG+加速度计被动筛查高血压迹象

解读 这项发在《自然》的研究,用消费级手表的光电容积脉搏波和加速度信号,不做袖带校准也能提示持续高血压迹象。对照 24 小时动态血压,初筛特异度约九成。对工程师来说,关键是产品边界:它适合“提醒去医院”,不是替代诊断;选型时要把研究指标和监管批准功能分开写进需求。

来源 Google Research

【主题】Agile Deliberation:用边缘样例帮人把主观视觉概念谈清楚

解读 “健康食品”“有启发的艺术”这类标签没有唯一答案,传统打标却假定你一开始就定义清楚。Google Research 开源的 Agile Deliberation 会检索边缘图片,引导你先划范围再迭代提示词,把模糊概念变成可运行的图像分类器。做内容审核或策展 CV 时,可把“先对齐定义”写进流程,少走大规模无效标注。

来源 Google Research

【主题】VisSearch-Bench:测多模态 Agent 能不能管住长程视觉搜索上下文

解读 很多“看图搜索”任务其实只是认个主体再转文本检索,测不出 Agent 会不会跨图对比、跟线索、保全集。VisSearch-Bench 给了 204 道人工题,覆盖集合搜索、顺序搜索等五类;开源评测显示最好系统也只完全做对约四分之一。选型视觉 Agent 时,除了最终答案,更要看它中途有没有丢掉关键视觉证据。

来源 GitHub antins-labs/VisSearch-Bench-v1

【主题】WeLM-Image:面向单卡部署的统一图像生成与编辑基础模型

解读 微信团队公开的 WeLM-Image 把文生图、指令编辑和多参考合成放进同一套交错序列建模,并用 MoT/MoE 控制理解与生成互相干扰。论文强调可单卡服务大规模消费场景,Turbo 版还能少步加速。做生成选型时,可把它当成“统一编辑+生成”开源对照基线,重点看分辨率、双语数据和少步延迟是否匹配你的线上预算。

来源 Hugging Face Papers