C# AI开发 篇91：把 AI 能力接进桌面应用（WPF）
在 ASP.NET Core 里接 AI 很顺手：DI 现成的、请求上下文现成的、async 一路到底。可一旦搬到 WPF 桌面端，问题全变了：UI 线程不能阻塞、进程一开就是几小时、用户随时会点取消或直接关窗口。
AI视频生成如何拥有记忆：一篇关于"过去如何塑造未来"的综述解读
你有没有想过一个问题：让AI一帧一帧生成视频，跟人类回忆往事，本质上是同一件事吗？这个类比不是随便打的。人类记忆的核心难题是什么？是大脑存不下所有细节，只能选择性地留下重要的，忘掉不重要的。而AI视频生成面临的，正是一模一样的困境。
上交大联合开源多模态新模型，连接证据解锁更强Agent空间推理能力！
智猩猩AI整理 核心作者投稿 多模态模型已经能读出图片中的文字、识别物体、描述场景。但当一个问题需要把不同位置的信息联系起来时，模型依然容易出错。例如，面对一张包含登机牌、航班信息屏和服务标识的图片，模型需要先读出航班号，再找到对应登机口，最后识别该登机口的服务图标。
VLM会描述视频，却未必用对参考图：RefCaptioner让参考图与视频语义精准对应
来源：市场资讯（来源：机器之心）图 1：RefCaptioner 的任务动机。普通视频描述只生成文本，难以表达候选参考图与局部视频语义之间的对应关系；RefCaptioner 从最多 22 张候选图中选出视频实际出现的内容，将图像标签放在对应短语之后，同时排除无关干扰项。
语义字典：用覆盖层强制统一设计系统组件语义
本文是 Schema-As-Code 治理框架阶段二的收尾篇。阶段二由三部分组成：语义契约、编译管线、语义字典。三者的依赖关系为：语义字典定义覆盖层与语义绑定规则，语义契约引用覆盖层写实例，编译管线校验覆盖层引用并编译为消费格式。
RabbitMQ延迟队列实战：订单超时自动取消
订单下单后 30 分钟没付款就自动取消，这个需求几乎每个电商项目都有。最常见的做法是起个定时任务，每分钟扫一遍数据库，把「待支付 + 创建时间超过 30 分钟」的单子关掉。订单少的时候挺好用，表里躺了几百万行之后，这条 SQL 就成了压垮数据库的常客，而且关闭总会慢上一两分钟。
Avalonia 使用 Tag + Style 选择器实现状态驱动 UI
在开发 Avalonia 应用时，我们经常需要根据数据的不同状态展示不同的 UI。
RefCaptioner让参考图与视频语义精准对应
普通视频描述只生成文本，难以表达候选参考图与局部视频语义之间的对应关系;与每个基线相比，RefCaptioner 获得的 Good 比例均高于 Bad，面对开源模型时优势尤其明显。