论文阅读：AIED 2025 AIBAT: AI Behavior Analysis Tool for Teacher-Driven Contextual Evaluation of Language

优质文章学习记录

论文阅读：AIED 2025 AIBAT: AI Behavior Analysis Tool for Teacher-Driven Contextual Evaluation of Language

总目录 大模型相关研究：https://blog.ZEEKLOG.net/WhiffeYF/article/details/142132328

https://link.springer.com/chapter/10.1007/978-3-031-98414-3_5

https://www.doubao.com/chat/35327927525245698

论文集下载：https://download.ZEEKLOG.net/download/WhiffeYF/92543315

论文原文：https://download.ZEEKLOG.net/download/WhiffeYF/92544371

AIBAT: AI Behavior Analysis Tool for Teacher-Driven Contextual Evaluation of Language Models

Read more

Microi吾码：从零到服装ERP：低代码打造企业级系统的实战之旅

Microi吾码：从零到服装ERP：低代码打造企业级系统的实战之旅

个人主页：chian-ocean 文章专栏 从零到服装ERP：吾码平台打造企业级系统的实战之旅 关键词：吾码平台、低代码、服装ERP、多表关系、自动化、开发实例 引言 在传统的服装行业管理中，ERP系统已成为提高效率、降低成本、优化资源分配的核心工具。然而，开发一个功能全面、覆盖采购、库存、销售、财务等模块的ERP系统，往往需要投入大量时间和人力资源。在吾码低代码平台的支持下，1人仅用1个月便完成了包含100+表的企业级服装ERP系统。本文将从项目概述、开发细节到关键代码段详细剖析整个开发过程，展示低代码技术的强大能力。 第一部分：项目概览 1.1 项目背景 * 项目需求： * 支持采购、库存、销售、客户管理、财务报表等多个模块。 * 包括100+数据表，涵盖复杂的业务逻辑与数据关联。 * 需实现流程自动化（如采购审批、库存提醒）。 * 开发目标： * 快速完成开发，并保证系统稳定性与扩展性。
AR眼镜光学镜头设计实例（含核心技巧解析）

AR眼镜光学镜头设计实例（含核心技巧解析）

AR眼镜光学镜头设计实例（含核心技巧解析） 一、应用领域 聚焦AR全场景交互需求，核心服务于消费级AR眼镜（需虚实画面叠加、轻量化佩戴）、工业AR（需远程协作标注、设备维修指引）、医疗AR（需手术视野导航、解剖结构叠加），解决传统AR镜头“视场角窄、重影眩晕、光学效率低”的痛点。 二、设计规格（关键指标与实现逻辑） • 视场角（FOV）：50°（对角） 采用“自由曲面+微显示适配”技巧，通过非对称自由曲面透镜（打破旋转对称限制），将微显示屏（0.7英寸Micro-OLED）的画面投射至人眼，实现50°对角视场，覆盖人眼自然视野的30%，避免“通过小窗口看世界”的局限，提升沉浸感。 • 眼动距（Eye Relief）：20mm 运用“光路折叠设计”技巧，

【信息科学与工程学】【游戏科学】游戏科学 第一篇 游戏引擎17——虚拟现实与增强现实 第二篇 AR算法 01 阴影算法——软阴影算法

AR软阴影算法详表 (Game-AR1-A2-0001 ~ Game-AR1-A2-0500) 基于阴影映射的软阴影算法 (0001-0100) 编号 算法名称 算法的每一个步骤思考推理的数学方程式 参数/变量/常量情况 应用场景 Game-AR1-A2-0001 百分比渐进滤波软阴影 1. 阴影贴图生成：SM(p)={01 if visibleif occluded 2. 滤波核定义：K(i,j)=N1 ∑k=−rr ∑l=−rr w(k,l) 3. 卷积计算：SPCF (x,y)=∑i=−rr ∑j=−rr SM(x+i,y+j)⋅K(
【论文阅读】DreamZero:World Action Models are Zero-shot Policies

【论文阅读】DreamZero:World Action Models are Zero-shot Policies

快速了解部分 基础信息（英文）： 题目: World Action Models are Zero-shot Policies 时间: 2026.02 机构: NVIDIA 3个英文关键词: World Action Models (WAMs), Zero-shot Generalization, Video Diffusion paper 1句话通俗总结本文干了什么事情 本文提出了一种名为DreamZero的机器人基础模型，通过同时预测视频和动作（world action model），让机器人能像人类一样通过“脑补”画面来规划动作，从而在从未见过的任务和环境中实现零样本泛化。 研究痛点：现有研究不足 / 要解决的具体问题 现有的视觉语言动作模型（VLAs）虽然擅长语义理解，但缺乏对物理世界动态（如几何、动力学）的理解，难以泛化到从未见过的新动作或新环境，且通常需要大量重复的演示数据。 核心方法：关键技术、模型或研究设计（