tap dance
PulseAugur coverage of tap dance — every cluster mentioning tap dance across labs, papers, and developer communities, ranked by signal.
- 2026-05-13 product_launch Tap has been released as a new tool for AI-powered browser automation. 来源
- 2026-05-11 research_milestone Researchers published a paper introducing TAP, a novel method for tabular data augmentation. 来源
- 2026-05-11 research_milestone Publication of a new method for tabular data augmentation. 来源
1 天有情绪数据
-
MUGEN框架为多种机器学习任务生成不可学图示例
研究人员开发了MUGEN，一个旨在创建“不可学”图示例的新颖框架，可同时保护跨多个机器学习任务的数据。与之前专注于单一任务的方法不同，MUGEN生成一个单一的扰动数据集，以防止对节点分类、图分类和链接预测等各种应用的未经授权的表示学习。该框架利用任务对齐可分性目标（TASO）和类型自适应扰动（TAP）来确保在扰动数据上训练的模型无法泛化到干净数据，并在不同的GNN骨干网络和学习范式中证明了有效性。
-
Tap 编译浏览器流程以降低 LLM 成本，补充 Claude for Chrome
Tap 是一款旨在补充 Claude for Chrome 的新工具，通过将浏览器自动化流程编译成可重用的计划。虽然 Claude for Chrome 在需要实时推理的交互式任务和一次性工作方面表现出色，但 Tap 解决了重复执行这些任务的低效率问题。通过将成功的浏览器会话编译成 .tap.json 计划，Tap 允许以确定的方式重放这些工作流，无需额外的 LLM 令牌成本，并且可以在计划运行时在本地运行，而无需用户机器保持唤醒状态。
-
新的GEO-Bench标准化了AI排名操纵攻击的评估
一个名为GEO-Bench的新基准已被开发出来，用于评估在生成式引擎优化（GEO）中操纵排名的各种方法。该基准标准化了数据集、攻击实现和指标，从而可以对各种GEO排名操纵攻击进行直接比较。评估揭示了有效性和隐蔽性之间的权衡，黑盒内容重写方法在性能上可与基于梯度的攻击相媲美，同时生成更流畅的文本并逃避检测。
-
Playwright MCP、Browserbase 和 Tap 满足不同的浏览器自动化需求
文章对比了三种浏览器自动化工具：Playwright MCP、Browserbase + Stagehand 和 Tap，强调了它们各自的独特用例，而非直接替代。Playwright MCP 适用于不需要登录或一次性研究的任务，而 Tap 则通过编译 AI 生成的计划以最小化代币成本，在重复性工作流程中表现出色。如果可以接受将凭证上传到第三方云，Browserbase + Stagehand 是登录会话的选项，而 Tap 则将所有凭证保留在本地。
-
Tap 将 AI 浏览器自动化编译成确定性 JS 程序
Tap 是一款新工具，通过将 AI 理解编译成 JavaScript 程序，提供了一种确定性的 AI 驱动浏览器自动化方法，这与 Stagehand 等解释器方法形成对比。Stagehand 适用于一次性任务，而 Tap 的编译程序则专为重复执行而设计，可显著降低成本并提高可靠性。这种确定性的输出允许进行有效的漂移检测，使 Tap 成为生产自动化中对一致结果至关重要的理想选择。
-
新的TAP方法增强了稀缺数据集的合成表格数据生成
研究人员开发了一种名为TAP（Tabular Augmentation Policy）的新方法，以改进合成表格数据的生成，特别是在真实数据有限的情况下。该方法解决了现有方法优先考虑数据分布保真度而非下游模型的实际效用的问题。TAP将扩散修复与策略相结合，指导生成过程产生能够显著降低评估损失的样本，从而在分类和回归任务上带来显著的准确性提升。
-
新方法实现行业级头部建模和AI生成图像检测
研究人员开发了一个新的框架，可以从单张图像中重建高保真3D头部模型，保留面部身份，并通过粗到精的优化流程实现行业级拓扑。该方法结合了几何感知约束和辅助正则化来纠正精细伪影，用户研究表明专业艺术家发现结果几乎可用，并优于其他方法。另外，一个新的基准测试评估了各种视觉基础模型在检测AI生成图像方面的能力，发现最佳模型在准确率上比CLIP高出12%以上。这项工作还引入了一个可调注意力池化（TAP）机制，以更好地利用VFM特征，在AI生成图像…
-
AI 编码工具获得生产清单、令牌节省器和治理技巧
开发人员正在分享有关部署和优化 Claude Code 等 AI 编码助手的实用建议。这包括一份生产就绪清单，涵盖 API 密钥管理、数据库备份和 AI 端点的速率限制等关键方面。此外，还分享了减少令牌消耗的技术，例如分层文件结构和禁用不必要的上下文注入，以及像 'Caveman' 这样的工具，可以简化跨各种 AI 代理的这些优化。更广泛的生态系统也在解决多代理协作和安全工具执行方面的挑战，重点是强大的治理和经过身份验证的浏览器交互。