卡夫卡

AI | full stack dev | shitposting | booze | stfu 🤫

[卡夫卡 @kafkaup]

Paper: https://t.co/zeYhc7it1C

[卡夫卡 @kafkaup]

📄 Adaptive Gated Deepfake Detection for Low-Resolution and Resource-Constrained Environments

概述：该论文提出了一种基于图像质量线索的自适应门控深度伪造检测框架 AdaGate-DF，旨在低分辨率和资源受限环境中兼顾检测性能与计算效率。

核心贡献：该论文提出了 AdaGate-DF，一种利用图像质量线索动态路由样本至双重多出口结构的自适应门控深度伪造检测框架，使高质量图像可提前退出以节省计算资源。

实验结果：据作者报告，AdaGate-DF 在 Celeb-DF 上取得 0.9370 的 AUC，优于 MaD-CoRN 与 DefakeHop++，且在 384×384 分辨率下 AUC 达到 0.9708，在 FaceForensics++ 类别不平衡场景下也保持了具有竞争力的结果。

[卡夫卡 @kafkaup]

@cnzhihao 已经在了

[卡夫卡 @kafkaup]

公司买了AI编程工具，老板亲自在大会上演示，输入"写一个登录页面"，三十秒出来一个漂亮的页面，全场鼓掌。第二天研发试了一下，输入"在现有的登录页面增加一个手机号校验，要兼容老版本App，校验规则见文档第三章"，AI写了一个新的登录页面，比昨天的还漂亮。研发把文档第三章贴进去，AI说文档太长，帮他总结了一下，总结完写了一个新的登录页面。研发放弃了，手写了二十行。一个月后老板问工具怎么样，研发说很好，我们现在有四十七个登录页面了。老板说那就多续几年，明年做个登录页面商城

[卡夫卡 @kafkaup]

公司搞全员AI化，IT部门给每个人电脑装了统计插件，每周五公布AI使用率排行榜，倒数十名要写说明。第一周倒数第一是财务的老陈，使用率零。老陈写的说明是：财务软件不能联网，AI没法用。领导批示：那就用AI写说明。第二周老陈使用率百分之百，因为他每天让AI写一份"为什么财务软件不能联网"的说明，写了五版，每版换一个语气。第三周，领导在大会上表扬老陈进步最大，让他分享经验。老陈上台说了一句话：“AI教我的，先满足考核，再解决问题。”台下掌声很响，尤其是研发那几排

[卡夫卡 @kafkaup]

公司搞全员AI化，规定所有对外邮件必须经过AI润色，系统自动拦截没有AI痕迹的邮件。销售老刘第一天就被拦了六封，因为他的邮件太口语化，AI判定"未经润色"。他把邮件丢给AI，AI改成了"尊敬的客户，希望这封邮件能在您忙碌的一天中带来一丝温暖"，发出去以后客户回了一句"你是不是被盗号了"。老刘很生气，回了句"没有，是公司要求"。这封没经过润色，又被拦了。最后他让AI润色了一下"是公司要求"，变成了三百字，客户看完打电话来问：“你们公司是不是出什么事了？”老刘说：是，全员AI化了

[卡夫卡 @kafkaup]

Paper: https://t.co/9vbXaFA8JV

[卡夫卡 @kafkaup]

📄 Learning Spatial-Spectral Refinement and Calibrating Complementary Observations for Hyperspectral Image Super-Resolution

概述：该论文提出了TSR-ITNR，一种自监督两阶段隐式张量神经表示框架，通过精细化空间光谱结构并校准低分辨率高光谱与高分辨率多光谱观测中的互补信息，实现无真值监督的高光谱图像超分辨率重建。

核心贡献：论文提出了一种无参数的观测引导校准阶段，能够从低分辨率高光谱图像和高分辨率多光谱图像中提取互补且互不干扰的修正信息，以弥补仅依赖退化一致性约束方法所未充分利用的信息。

实验结果：作者称，在多个基准数据集上的大量实验表明，该方法在无高分辨率高光谱真值监督的情况下，仍能取得优异的定量、视觉与光谱重建性能，并通过下游语义分割精度进一步验证了其有效性，但摘要未给出具体数值结果。

[卡夫卡 @kafkaup]

董事长：技术总监说AI让效率提升十倍，我想验证一下

技术总监：您说

董事长：那以前一个月的活，现在三天能干完？

技术总监：理论上是

董事长：那这个月你们的活，三天后交给我

技术总监：这个不行

董事长：为什么？

技术总监：十倍是指写代码的环节，写代码只占整个流程的百分之十

董事长：那整体提升多少？

技术总监：百分之九

董事长：那你为什么说十倍？

技术总监：因为PPT是AI做的，我让它"突出亮点"

董事长：那你现在的解释是谁做的？

技术总监：我自己，所以只有百分之九

[卡夫卡 @kafkaup]

Paper: https://t.co/ZNkoo2suu9

[卡夫卡 @kafkaup]

📄 Large Language Models for HVAC Operations in Building Energy Systems: A Critical Review of Methods, Applications, and Deployment Readiness

概述：一项针对2023年至2026年3月间66篇同行评审研究的系统综述发现，大语言模型在暖通空调运行中的应用总体仍处于研究阶段，主要充当语义与工作流辅助工具，而非可部署的自主控制器。

核心贡献：该综述构建了一套评估框架，从证据真实性、部署就绪度以及大语言模型与物理暖通空调决策之间的责任边界三个维度，对66篇相关研究进行了系统分类与评估。

实验结果：在66项研究中，仅有四项达到试点级证据水平，且均未报告持续的实际运行部署；没有研究被评为可立即用于工业应用，三项被评为近期可行，其余63项仅停留在研究阶段。

[卡夫卡 @kafkaup]

看在电影院看完杀死比尔，觉得片名叫The bride更好？

[卡夫卡 @kafkaup]

@cxjwin @Li665508Li 白展堂

[卡夫卡 @kafkaup]

Paper: https://t.co/q93V6bgHtl

[卡夫卡 @kafkaup]

📄 Optimal Rates for Agentic Networked Information Aggregation

概述：该论文证明了在网络化信息聚合模型中，最后一个智能体的超额均方误差在深度小于M²时为常数，超过M²后为Θ(M²/D），从而弥合了此前上下界之间的差距，并将该最优速率推广到逻辑分类场景。

核心贡献：论文最强的贡献是彻底弥合了Kearns、Roth和Ryu遗留的上下界差距，严格证明了M覆盖路径上超额误差的最优速率为深度小于M²时恒定、深度大于等于M²时为Θ(M²/D）。

实验结果：研究表明，超额均方误差的紧致速率在深度小于M²时为常数，在深度大于等于M²时为Θ(M²/D），且该结果通过重新缩放论证被证明同样适用于采用二元交叉熵损失的逻辑分类模型。

[卡夫卡 @kafkaup]

妈的 傻逼

[琳小航AI @jedeeai]

神奇的汉字

[卡夫卡 @kafkaup]

@Passenger0522 /compact

[卡夫卡 @kafkaup]

@Jack_FluxAI 你是天才

[卡夫卡 @kafkaup]

笑死我了

[Jack Flux @Jack_FluxAI]

盘点推特 AI 博主最爱用的 5 套流水线模版，味儿太正了：

1. 全自动闭环体
终于用 Codex 跑通全自动剪辑闭环。

从脚本生成到自动切片加字幕，彻底告别剪辑软件。一个人就是一支 MCN，效率提升 20 倍实操流

2. 杀疯失眠体
Codex 真的杀疯了，通宵 10 小时我直接搭了个 SaaS。

以前一个团队干三个月，现在一个人一晚上搞定。技术护城河直接被填平，连夜上线复盘

3. 零基础逆袭体
纯文科生，0 基础用 Codex 手搓出第一个商业级 App。

别再学什么语法了，大模型时代语言就是代码。淘汰你的不是程序员，是会提需求的超级个体。

4. 行业灭绝体
前端已死。今天拿 Codex 试了一下端到端重构……

得出的结论让人后背发凉：传统的 UI 和交互工程师，生存空间只剩不到 12 个月。

5. 睡后暴富体
实操 30 天，我用 Codex 矩阵跑出第一笔美元睡后收入。

不搞虚的，直接亮后台收益。普通人如何靠 AI 工具打穿内容变现壁垒？（建议收藏）

[卡夫卡 @kafkaup]

HR部门今年上了AI简历筛选，两千份简历十分钟筛完，留下八十份。技术总监翻了一下，发现八十份简历的项目经历几乎一模一样：都做过"日活千万的电商平台"，都"主导了微服务改造"，都"性能提升百分之三百"。他让HR随机约了十个来面试，结果发现有三个是应届生，两个是转行的，一个是做销售的。问他们简历怎么来的，都说用AI优化的。技术总监问HR的筛选标准是什么，HR说是让AI根据"我们招过的最优秀员工的简历"训练的。技术总监说那个最优秀员工的简历也是AI写的，他记得，那是他自己去年跳槽用的