StreamEmbed:端侧实时视觉索引屏幕历史,快3.7倍
CShorten30 · x · 2026-11-19
研究者发布了 StreamEmbed:一个对电脑屏幕历史做实时视觉索引、完全在本地运行的系统,让你能用自然语言找回「我在哪看到过那个东西」——比如几天前扫过的一篇论文截图、昨晚看的比赛集锦。
- 核心思路:屏幕画面大部分时间几乎不变,只对变化的图像块做空间 token 剪枝,避免逐帧全图编码
- 性能:在相同精度下比整屏截图编码快至 3.7 倍;相比纯 OCR 索引,Recall@10 高出 6.3(OCR 快但丢掉只在像素里的信息,截图索引准但笔记本 GPU 上每屏要 2.3 秒)
- 形态:多模态、多语言、实时、本地私有,代码开源(Apache-2.0),附论文与 MCP server
「编程与Agent」频道最新
- CodeRabbit 推 Verify 公测:自动测 AI 生成的 PR 是否真的能用 — rohanpaul_ai · 2026-11-19
- Murat 发布 TLAPS-Bench:用 TLA+ 形式化证明真实系统规格的正确性 — tianyin_xu · 2026-11-19
- 流式 Markdown 渲染库 Words 发布,吞吐量达 md4x 两倍 — andersonbcdefg · 2026-11-19
- 前 Claude 死忠粉实测:想用好 Astra/Sol,得重新学怎么下 prompt — mariofilhoml · 2026-11-19
- Rivet 实战经验:别让 JEV 推理,拆成微小是非题反而更准 — yawnxyz · 2026-11-19
- 16 次 MVP 老手用原生 PowerShell 给微软 Intelligent Terminal 造了个自定义 Agent — dfinke · 2026-11-19