【日报】2026-03-02 开学了。 总结一下寒假四周。这个寒假主要是学了学vibe coding。第一周，玩。第二周，试着给游戏Vibe Coding了几个mod，让游戏接入LLM，现在有5k+订阅量了。第三周，过年，同时维护mod。第四周，旅游。期间稍微看了下论文。 经过一个寒假，现在对vibe coding的工程化方面已经颇有心得：Spec Kit、git Worktree、Plan Mode啥的的使用场景非常熟练了。不过工程和科研还是有点区别，怎么把它在科研领域用好还是个问题。之前我试着人工把AO2-DETR从mmcv迁移到transformers框架，死活有问题。最近试着Vibe Coding了一下，AO2-DETR好像很快就迁移好了。紧接着我又试着让AI迁移了下Oriented-DETR，也是顺利迁移好了，跑通了但是还没大规模训练。 寒假朋友圈出了5篇CVPR，全是杭电同学的：学弟1篇，同级的2人3篇，学长1篇。还是感觉有点压力的，毕竟现在我啥也没有。 之前在

【日报】2026-01-31 考完了。ICME审稿又修改了下意见。感觉那篇行文有点诡异，漏洞挺多，但他能跑起来还是挺厉害的，给了个borderline。

【日报】2026-01-27 复习。 今晚考了一门，还剩一门。

【日报】2026-01-22 复习。 推荐系统反而比用户界面好设计。

【日报】2026-01-21 复习+折腾推荐系统（让GPT自己在后台写）。 用一个比较有趣的想法“论文创新点总是离群的”+最传统的词频统计，就能在几十毫秒里纯靠算法找出论文摘要里的核心句子： 6893a75d335c885e29e79a92f68e73be.png 这个推荐系统的核心落在这两点上：1、易读性 2、用户导向推荐。根据易读性，我又用传统词频统计计算出摘要里用户最interest的和最有novelty的几个词，将其加粗，并分析出最novelty的句子高亮。对于用户导向推荐，我根据用户阅读、点赞、收藏行为+时间衰减进行定制化推荐。而且易读性里提到的加粗、高亮也是基于用户导向的——每个人的加粗词啥的都不一样，根据用户已有内容加权计算。我感觉挺有趣的。 举一个易读性的例子，人阅读时的注意力总是会根据F字形来，所以可以把重点句放在左上角，而标题啥的反而不那么重要了，放下面。点赞啥的因为人的惯用手在右下，鼠标待机位置也在右下，所以放右下： 9fc6ec54f1441125713905a723672466.png 我始终认为accessibility是非常重要的一环：一篇论文，打开第一眼就能看到要点 vs 在所有加粗句子中找到要点 vs 等待3秒让ai总结要点，他们之间的差距是非常大的。所以在总体设计上我着重考虑了易读性这一点。图中界面只是测试界面，正经的用户界面得要看我有没有兴趣把这个推荐系统推进下去。（推进下去还挺麻烦的，有很多很多地方需要设计过，从分词器到embedding到词库再到各种聚类、建模、统计，还有界面设计、UI，都要重来。）当然我也可以选择全部靠LLM来分析，但这样一是贵二来没啥意思，做这玩意就是图个Vibe Coding的新鲜感。而且最近期末了。