ImageSearch 可实现百万图片毫秒级检索，支持 jpg、png、bmp、gif 相互检索，首次使用需要先进行一次较长时间的更新索引
开发灵感源于重复文件清理工具「DuplicateCleaner」
📮投稿 📢频道 💬群聊
TongLeMa (通了吗) 是一个开源的网络连通性检测仪表板，帮助用户快速实时检测多个热门全球服务的延迟和连通状态。
IPPure - 一个 IP 纯净度检测网站
📮投稿 📢频道 💬群聊
只需在 Chrome 上安装 Adobe Photoshop 扩展，即可免费获得 12 个月的 Photoshop 网页版使用权限。
https://x.com/googlechrome/status/1993001667948597578
BT影视
影视资源下载站，资源覆盖面不错，提供多种分辨率可选，并清晰标注是否带水印，支持 BT 磁力与种子文件下载，免费使用，无需注册。据说将 UA 设置为 PC 桌面后可直接在线播放，不过暂未实测。
https://www.btbtla.com/
频道 @Edgebyte
视频处理工具
Windows 视频处理工具，主要功能包括提取音频、覆盖音频、插入音频、移除音频、视频编码设置、分辨率设置、添加/移除水印、截取与合并、视频抽帧、图片合成 GIF 等，开发背景是因为作者的家人需要提取视频中的音频，所以做个这个小工具，整体使用体验还是不错的，完全免费，适用于 Win7 和 Win10 以上。
https://www.52pojie.cn/thread-2068075-1-1.html
频道 @WidgetChannel
AI 需求推高内存与 NVMe 价格，未来云服务或迎来涨价潮
全球内存（RAM）与 NVMe 磁盘价格预计将在未来约 6 个月内大幅上涨。原因是 AI 行业需求旺盛，全球制造产能正大量转向利润更高、供给 GPU 的高端存储芯片，导致传统 RAM/NVMe 市场的产能被挤压，形成普遍涨价压力。
根据 OVHcloud 的预测，相同型号的服务器在 2025 年 12 月与 2026 年 12 月之间，成本将增加约 15%～35%。
全球供应链为了缓冲涨价，会提前 6 个月采购价格较低的组件，可使生产成本在 6–12 个月内保持较低，但这种“防御性备货”本身会推高自 2025 年 12 月起的组件市场价格。
总体来看，AI 对云服务的连锁影响是：从 2026 年 4 月到 9 月，部分云产品预计将涨价约 5%～10%。这些预测基于 2025 年 11 月掌握的市场信息，未来涨幅可能进一步加速。
原文地址：https://x.com/olesovhcom/status/1992263316870246627
全球内存（RAM）与 NVMe 磁盘价格预计将在未来约 6 个月内大幅上涨。原因是 AI 行业需求旺盛，全球制造产能正大量转向利润更高、供给 GPU 的高端存储芯片，导致传统 RAM/NVMe 市场的产能被挤压，形成普遍涨价压力。
根据 OVHcloud 的预测，相同型号的服务器在 2025 年 12 月与 2026 年 12 月之间，成本将增加约 15%～35%。
全球供应链为了缓冲涨价，会提前 6 个月采购价格较低的组件，可使生产成本在 6–12 个月内保持较低，但这种“防御性备货”本身会推高自 2025 年 12 月起的组件市场价格。
总体来看，AI 对云服务的连锁影响是：从 2026 年 4 月到 9 月，部分云产品预计将涨价约 5%～10%。这些预测基于 2025 年 11 月掌握的市场信息，未来涨幅可能进一步加速。
原文地址：https://x.com/olesovhcom/status/1992263316870246627
仅限未尝试过Premium权益的帐号，可搭配美区Paypal 领取试用。
活动2025年12月31日截止。
https://www.spotify.com/us/premium/
一篇题为“使用 LLMs 进行后期多模态传感器融合以进行活动识别”的新论文，揭示了苹果公司可能考虑结合 LLMs 分析与传统传感器数据，以更准确地了解用户的活动。
他们认为，这具有很大的潜力，可以在传感器数据不足的情况下，使活动分析变得更加准确。
传感器数据流为下游应用提供了有关活动和上下文的宝贵信息，不过整合互补信息可能颇具挑战性。
我们的数据表明，大型语言模型（LLMs）可用于对来自音频和运动时间序列数据的活动进行后期融合分类。
我们从 Ego4D 数据集中整理出了一部分数据，用于在不同上下文中（例如家庭活动、体育运动）进行多样化的活动识别。
经过评估的 LLM 实现了显著高于随机水平的 12 类零样本和少样本分类 F1 分数，且无需针对特定任务进行训练。
通过基于 LLM 的融合来自模态特定模型的零样本分类，可以在有限的对齐训练数据用于学习共享嵌入空间的情况下，实现多模态时间应用。
此外，基于 LLM 的融合能够实现模型部署，而无需为特定应用的多模态模型额外占用内存和计算资源。
换句话说，LLMs 实际上非常擅长从基本的音频和运动信号推断用户在做什么，即使他们没有受过专门的训练。此外，当只给出一个例子时，它们的准确性会进一步提高。
在这项研究中，LLM 并没有接收实际的音频录音，而是接收由音频模型和基于 IMU 的运动模型（通过加速度计和陀螺仪数据追踪运动）生成的简短文本描述。
研究人员介绍了他们使用的 Ego4D 数据集，是一个庞大的第一人称视角媒体资料库，涵盖了数千小时的真实环境和场景，包括家庭任务和户外活动。
我们从 Ego4D 数据集中筛选出日常活动，方法是在提供的描述中搜索日常生活中的活动。整理出一个包含 12 个主要活动的 20 秒样本数据集，包括吸尘、做饭、洗衣、吃饭、打篮球、踢足球、与宠物玩耍、读书、使用电脑、洗碗、看电视和锻炼/举重。这些活动的选择旨在涵盖家庭和健身任务的多样性，并且它们在更大数据集中较为常见。
苹果公司在这项研究的同时还发布了补充材料，包括 Ego4D 片段编号、时间戳、提示信息以及用于实验的一次性示例，旨在帮助研究人员复现研究结果。
UU远程Mac被控功能已上线，支持 4K 超清画质 与 144Hz 高帧率传输
https://uuyc.163.com/blog/mac-20251121.html
https://uuyc.163.com/blog/mac-20251121.html
网易UU远程
网易UU远程 Mac 被控功能上线，提升 macOS 高效办公体验
网易 UU 远程全新版本上线，在已有 Mac 控制 PC 功能的基础上，正式开放 Mac 设备被控功能。
