real time kinematic
PulseAugur coverage of real time kinematic — every cluster mentioning real time kinematic across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
Octocode 在 GitHub 研究中以减少 50-70% 的上下文实现了高正确性
Octocode 是一款新的 CLI 和 MCP 套件，展示了一种用于代码代理的高效证据优先研究方法。通过采用定向、搜索、读取和证明的结构化循环，Octocode 显著减小了准确代码研究所需的上下文窗口大小。在对 30 个 GitHub 研究问题的基准测试中，Octocode 在使用比单独的 GitHub CLI 或 Headroom 和 RTK 等工具少 50-70% 的上下文的情况下，保持了高正确性。
-
新协议评估3D重建的可靠性，无需真实世界数据
研究人员开发了一种名为“Track-Leakage-Free Hold-Out Self-Validation”的新协议，用于在没有外部真实世界数据的情况下评估摄影测量检测的3D重建的可靠性。该协议涉及保留一部分图像，并将其重新定位到至少另外两张图像可见的点上，确保一个视图不会针对其创建的结构进行测试。虽然该协议在计算上是可靠的，并且可以指示内部几何一致性，但发现在跟踪绝对精度方面不可靠，并且无法可靠地排除重大故障，这在包括ETH3D…
-
开源工具旨在降低AI编码助手令牌成本
一些开源GitHub仓库已被开发出来，以帮助开发人员降低与Claude Code、Codex和Gemini CLI等AI编码助手相关的令牌成本。这些工具通过分析使用情况、压缩终端输出、强制AI简洁响应、改进AI决策、构建代码库知识图谱以及优化笔记应用程序的工作流程来解决令牌浪费问题。通过实施这些解决方案，开发人员可以更好地了解令牌消耗情况，并使他们的AI编码交互更有效、更具成本效益。
-
耐销将割草机器人转向激光雷达，称其稳定且有利可图
耐销（Naisilao），一家智能户外公司，已将其割草机器人策略从RTK技术转向激光雷达技术。最初，由于担心在各种户外环境中信号不稳定，他们暂停了RTK割草机的开发。在积累了配送机器人经验后，他们重新评估了市场，并受到激光雷达在扫地机器人中成功的启发，转向了3D激光雷达。此举得到了激光雷达成本下降以及与Hesai Technology等公司战略合作的支持，旨在提供更稳定可靠的用户体验，最终在传感器初始成本较高的情况下，实现更低的退货率…
-
分析显示，AI编码成本主要由输入令牌而非输出决定
对AI编码流量的最新分析显示，输入令牌（主要是代码库本身）占AI代理使用的大部分上下文（93.4%），远远超过输出令牌（4.0%）。这表明，通过压缩模型输出来降低AI编码成本的努力在很大程度上是无效的，因为它们只解决了问题的一小部分。目前正在出现几种工具来解决输入令牌的挑战，包括压缩shell命令输出的代理、用于管理会话内存的框架以及使用本地语义搜索仅检索相关代码片段的方法。一种更基本的方法是使用抽象语法树（AST）来结构化地表示代码…
-
免费自托管网关绕过Claude限制，共享订阅
一位开发者创建了一个免费的自托管网关，旨在规避使用限制并改善Anthropic的Claude模型用户的会话连续性。该工具在GitHub上获得了显著关注，提供了诸如跨多个提供商的自动模型故障转移和团队共享订阅管理等功能。它还包含一个多引擎压缩管道，以减少提示令牌使用量，保留代码和URL，同时包含防止提示膨胀的保护措施。
-
DestinyAI 推出代码感知 Token 节省器引擎，基准测试显示得分为 94/100
DestinyAI 将于 7 月 24 日推出新的 Token 节省器引擎，旨在解决 rtk 和 Headroom 等现有工具在大代码任务中的局限性。与将代码视为通用文本的压缩器不同，DestinyAI 的引擎能够理解代码结构，提供准确的信息并通过测试验证 AI 输出。它还提供持久的代码库内存、通过本地运行实现的隐私以及为大型任务节省 50-90% 的显著成本。基准测试显示，DestinyAI 在工程指标上的得分为 94/100，在准…
-
对实时运动学 (RTK) 令牌压缩技术的怀疑声音
作者对实时运动学 (RTK) 令牌压缩表示怀疑，认为它可能制造效率的幻觉，而非真正的改进。这一观点挑战了关于此类压缩技术在某些应用中有效性的普遍假设。
-
LLM成本降低策略：Token、API和监控
多篇文章讨论了降低与大型语言模型（LLM）相关的成本的策略，主要侧重于token消耗。技术包括将信息组织成开放知识基金会（OKF）技能等格式，对特定任务使用带有封顶输出的固定价格API，以及优化提示结构。其他方法包括将网页内容转换为Markdown以去除HTML噪音，使用LLM API定价计算器，以及实施具有结构化日志记录和警报的强大监控系统以提高成本可见性。文章还强调了理解token化、输入和输出token成本之间的差异以及API网…
-
开源工具将Claude AI令牌成本降低高达90%
一位Reddit用户分享了六款开源工具，旨在显著减少与Anthropic的Claude AI交互时的令牌使用量和相关成本。这些工具包括使用量分析器、命令输出压缩器、简化的响应风格和本地知识图谱构建器。该用户强调了'Caveman Claude'和'ccusage'工具特别有效，前者减少了响应中的冗余内容，后者提供了详细的令牌消耗见解。
-
Segway Navimow X4 割草机取消边界线和外部天线
Segway 推出了其 Navimow X4 系列机器人割草机，无需边界线或外部 RTK 天线。这些割草机利用先进的实时动态学 (RTK) 技术自主导航草坪，可放置在各种位置，无需屋顶安装或高杆接收信号。Navimow X4 系列起价为 2,499 美元，部分型号每天可修剪高达 1 至 1.5 英亩的草坪，并提供可选配件，如保护罩和自动围栏门。
-
新工具包将 Augment Intent 原理引入外部 AI 代理
本文介绍了一个用于外部代理堆栈的新工具包，旨在将 Augment Intent 系统的原理应用于更广泛的应用程序。该工具包在 `augment-claude-litellm-rtk` 存储库中进行了详细介绍，侧重于提高上下文质量而非数量，减少冗长 shell 输出造成的 token 浪费，并实现合理的模型路由。它包括 Claude Code 作为编码代理，Augment Context Engine MCP 用于语义检索，RTK 用于…
-
新工具优化 AI 编码助手的 token 使用量
已经开发出几种开源工具来优化 Claude Code 等 AI 编码助手中的 token 使用量。这些工具解决了冗长的 CLI 输出、臃肿的上下文文件和效率低下的会话压缩等问题，这些问题可能在编写任何代码之前就会导致大量的 token 消耗。Token Optimizer、Caveman 和 Intent Layer 等解决方案旨在通过审计上下文、剥离不必要的冗长内容以及提供结构化的代码库信息来减少 token 浪费，每次会话可能节省…
-
AI代理工具包集成Claude、LiteLLM以实现高效编码
本文介绍了一个实用的外部AI代理堆栈工具包，其灵感来源于Augment Intent系统的原理。该工具包侧重于语义检索、减少冗长的shell输出以及合理的模型路由，而非仅仅增加上下文长度。它包含四个主要组件：用于编码任务的Claude Code、用于检索相关代码库部分的Augment Context Engine MCP、用于修剪不必要shell输出的RTK，以及作为模型管理本地网关的LiteLLM。
-
图神经网络解释方法揭示生物网络中的疾病特征
研究人员评估了四种流行的图神经网络（GNN）解释方法，以了解它们在识别生物网络中疾病相关结构方面的有效性。利用合成数据和乳腺癌RNA测序数据，研究发现不同的方法在揭示不同类型的生物信号方面表现出色，例如单节点驱动因素或分布式通路。通过结合多种解释器的共识得分并纳入拓扑信息，研究人员改进了关键癌症基因的优先级排序和生物学相关信号通路的恢复。