GiD-OpenSees

[GiD-OpenSees @TJ_Bridge_AI]

@NaritB1 看起来很厉害的样子！

[易富贤Yi Fuxian《大国空巢》 @fuxianyi]

分配制度改革极为复杂。中国两千余年历史的核心，即居民可支配收入占GDP比例的起伏。儒家主“藏富于民”，法家求“富国强兵”。儒家色彩浓厚的朝代（如北宋前期）居民收入占比高，但政府财力不足，遂有王安石法家式改革，财力向中央集中，形成国富民贫格局。
1949年后中国实行典型法家模式，1977年居民可支配收入仅占GDP的44%。1979年改革开放后，该比例升至1983年的62%，引发政治格局巨变。如今比例重降至43%，若要回升至正常的60-70%，必将再次带来政治格局的深刻调整。

[Fenng @Fenng]

香港中文大學、香港城市大學和香港大學三家高等教育院校的圖書館與出版社聯合發起，香港首個開放取用（Open access）圖書計劃。

推荐一下

https://t.co/BuJUgctyPq

[chengyongru @chengyongru]

我当时刚开始学RL的时候， 看的是赵世钰老师的Mathematical Foundations of Reinforcement Learning，我觉得也是一套非常不错的入门教程

github链接： https://t.co/WSil9ow6pe

[Wayen @wayen_ai]

Ilya Sutskever 曾断言，只要读懂那 30 篇奠基论文，就能掌握人工智能 90% 的精髓。但面对枯燥的数学公式，大多数人很难将其转化为可运行的代码。

最近在 GitHub 上发现一个叫 Sutskever 30的开源项目，用纯 NumPy 把 Ilya 推荐的 30 篇奠基性论文全部实现了一遍，已 100% 完成。

每个实现都不依赖深度学习框架，只用 NumPy 从零构建：
1.配合 Jupyter Notebook 交互式学习，随时改代码看效果
2.自带合成数据，打开就能直接跑，无需下载数据集
3.覆盖 RNN、LSTM、Transformer、ResNet、VAE、RAG、Scaling Laws 等全部核心架构

GitHub：https://t.co/n4uWTnRPGX

只需要装好 NumPy 和 Jupyter，就能挨个 notebook 跑通，从字符级 RNN 一路看到通用人工智能理论。

想真正吃透 AI 底层原理、不再只会调包的朋友，建议直接 Star 收藏，跟着敲一遍代码，比看一百篇解读文章都管用。

[Ultralytics @ultralytics]

Improve crosswalk safety with Ultralytics YOLO26! 🚸

Detect pedestrians, vehicles, and high-risk interactions in real-time to support safer crossings, smarter alerts, and improved traffic monitoring.

Read more ➡️ https://t.co/geO9uN49Ox

#Ultralytics #YOLO26 #RoadSafety

[Qiusheng Wu @giswqs]

GeoLibre v1.9.0 is here!

GeoLibre is a free and open-source, lightweight, cloud-native GIS platform for visualizing, exploring, and analyzing geospatial data. It runs everywhere you do, in the web browser, on the desktop, on mobile, and inside Jupyter notebooks, all while keeping your data local and private.

This release brings CAD drawing import, smarter WMS and WFS service discovery, and a docked SQL workspace with autocomplete.

What's new in v1.9.0

- CAD import: Add CAD drawings (DXF/DWG) as a layer, with a picker for choosing which drawing layers to load and a CRS selector for placing them correctly on the map.
- Smarter service discovery: WMS and WFS panels now read the service's GetCapabilities, so you pick available layers and feature types from a populated dropdown instead of typing names by hand.
- Docked SQL Workspace: The SQL Workspace now docks as a resizable panel beside the map, with editor autocomplete for tables, columns, and SQL keywords.
- Generic Vector to Vector conversion: Convert between any supported vector formats by file extension, alongside the existing targeted converters.
- Richer camera tours: Per-keyframe hold and transition duration controls for finer pacing, plus save and reload of a named tour setup.
- Better story maps: A hide-itinerary toggle, subtitle and byline fields on the printable handout, and dedicated start and closing slides.
- Styling and plugin extras: A transparent (no fill / no outline) option in the color picker, a Legend populated from a paletted raster's color table, and plugins can now use the maplibre-gl-raster stack and the projection control.

Try it out

- Launch GeoLibre web: https://t.co/8gMtkVtNcU
- GitHub: https://t.co/VXq8c1oACL
- Documentation: https://t.co/7VA2AQpaJK
- Release notes: https://t.co/1ioFVj5MvQ

#GIS #Geospatial #OpenSource #RemoteSensing #DataVisualization #MapLibre #Python

[Muhammad Rizwan Munawar @muhammdrizwanmr]

Vehicle parts detection using @ultralytics YOLO26😀

Side mirror, tyres, steering :)

In this demo, I used a computer vision model to identify and locate vehicle components. It automates tasks like quality control, maintenance, and customization, benefiting industries from manufacturing to insurance.

#vehicles #manufacturing #MachineLearning

[Crypto_君少 @JunShao_666]

差点翻车，
男模也不是很好当的，
如果有点颜值和身材，是不是就不用跑外卖啦！

[Muhammad Rizwan Munawar @muhammdrizwanmr]

New trackers released by @ultralytics 😍

botsort, bytetrack, ocsort, deepocsort, fasttrack, and tracktrack.

Object tracking tells you which object is which across frames. I recently tested the newly released trackers in this demo. Here's what I found. 👇

#tracker #MachineLearning #Research

[Kay @justsosooknow]

每次有人问我“视频用啥下载”，

我都懒得再解释了，

直接一次性整理好，

你自己存👇

1、X / 推特视频下载
https://t.co/hMR6RrU1wJ

2、 抖音 / TikTok 去水印
https://t.co/fck4ugyt2C

3、Instagram / Facebook 视频
https://t.co/DxVCxBeRB4

4、全平台通用（国内平台）
https://t.co/mcANK1zfWs

5、视频去水印
https://t.co/nnU7tmn3ZT

6、图片去水印
https://t.co/tVQdc8Tx6a

7、YouTube 专业下载（开源）
https://t.co/FSbQi7i87A

8、懒人桌面工具
https://t.co/Lh0AZRXeg2

全部免费，

够用了。

别再来问我用啥下载视频了。

[徐伦 @Jolyne_AI]

想系统学强化学习，最劝退的往往是两种资料：一种只讲概念，学完照样不会做；另一种公式堆满页，两章就读不下去。

开源教材 Mathematical Foundations of Reinforcement Learning 正好卡在中间：讲得清楚，推导严谨但不“吓人”，还配套大量视频，把经典算法从定义到实现一步步讲透。

它用数学视角把 RL 的核心框架梳理得很顺，用大量例子把抽象概念落地，让那些“看起来很玄”的更新公式变得能理解、能复现、能写出来。

GitHub：https://t.co/r8sW9wz2Ku

你会收获什么：

- 核心概念一次打通：状态、动作、策略、价值函数等完整串联成体系
- 经典算法拆到细节：MC / TD / Q-learning 从原理到推导循序展开
- 50+ 集中英文视频配套：边看边做，理解与实现同步推进
- 大量网格世界示例：用直观实验对齐公式、更新规则和结果
- 推导规范但不绕：少跳步、不糊弄，难度控制得刚刚好
- 多语言代码实现：Python、R、C++ 等可直接对照复现

适合想把强化学习理论真正学扎实、并能落到实现的人；建议先具备基础概率论和线性代数再开始。

[wu ma 𝕏 @Fz_Mawu]

1⃣️张雪峰 最全资料合集 高考志愿 大学专业 考研 PDF 课程（154GB）
2⃣️2025年高考志愿填报避坑指南汇总
⛽：https://t.co/qdDwxYg773

[林浅浅 @lazypiggy520]

教授上課了

[Amir @amir_razlighi]

I always wanted to use the best 3D vision / graphics research libraries on my Mac the way people use them on NVIDIA GPUs.
NeRFs, Gaussian Splatting, differentiable rendering, mesh optimization, point clouds.
But the experience was never quite the same.

So here's MLX3D!

[AI探路者Tim @AIExplorerTim]

今天无意中发现的一个网站，特别适合想锻炼身体的朋友

选择你要锻炼的身上的部位，然后就会出现教程

网站图文介绍了如何锻炼全身各部分肌肉的方法，动态的GIF图片可以让你更好的理解，不光是先生们，各位小姐姐们也有专版哦！

https://t.co/VKaiMlnYI2 有健身的同学可以收藏一下❤️

[Carlos Barreto @carlosedubarret]

Testing Sam3d body cpp on windows...

[清水秀樹 | AIロボ×海事×産学官連携研究員 @ai_coordinator]

カメラで火災検知。
火の用心。
#SAM3 #ultralytics

[清水秀樹 | AIロボ×海事×産学官連携研究員 @ai_coordinator]

SAM3の凄い所は「girl」で検出できるところ。「person」で検出する時代は終わった。
#SAM3 #ultralytics

[思维怪怪 @0xLogicrw]

加州大学伯克利分校联合麻省理工学院等团队开源了经典机器学习加速库 FlashLib 。

在当下大模型风靡的时代， GPU 算力几乎全部偏爱大模型，而聚类、检索等传统算法由于缺乏优化，运行极慢，成为了拖慢 AI 智能体响应速度的瓶颈。 FlashLib 针对 GPU 底层硬件重写了 15 个常用算法，旨在彻底解决延迟难题。

研发团队通过重新设计算法的数据流动方式，让传统算法在英伟达 GPU 上跑出了极高的硬件效率。相比英伟达官方原有的加速方案， FlashLib 让常用算子的运行速度提升了数十倍到上百倍。在对齐测试中，截断奇异值分解提速 208 倍，高维数据可视化提速 147 倍，常用的聚类和相似度检索也分别提速数十倍，大幅降低了计算成本。

提速数十倍后，经典算法可以直接嵌入智能体的在线实时决策回路。在多轮推理循环中，智能体能直接在本地毫秒级运行聚类与检索算法，实时整理记忆、核对事实。

针对任务调度，团队设计了极速性能预测接口。智能体在 CPU 上运行只需 5 微秒，即可精准预估任务在 GPU 上的耗时与显存占用，实现零成本的计算规划。