日本軍國主義731部隊在中國進行的人體實驗、細菌實驗數據資料被美日拿來當做交易。這段歷史不管是在那個國家發生都不可能被忘記。

昨天升级了下豆包的AI结果采集、清洗及分析的GEO skillk 支持网页端豆包AI结果采集与手机APP结果采集两种模式，仅供自己学习研究使用 已推送到GitHub，欢迎下载体验，附演示报告 1、网页端和手机 App 都能采 网页端基于 OpenCLI，手机端通过 Android Studio AVD + Appium UiAutomator2 也就是说，同一批关键词，既可以看网页端结果，也可以保留豆包 App 里的可见 UI 证据 2、手机端不只截答案 会把截图、XML、引用资料卡片、已引用和未引用状态、引用次数都记录下来 3、输出链路保持统一 最终生成 doubao-crawl.json、summary.json、结构化 Markdown、Excel 和 Kami 风格 HTML 报告 后面的 GEO 分析链路，网页端和移动端可以共用一套报告模板 skill边界：不绕登录，不绕验证码，不抓隐藏接口，不做账号池 它更适合低频研究、教学演示，以及需要截图和 XML 复核的证据采集 想研究 GEO 的朋友，如果想看豆包 App 里的 AI 结果引用特征，可以下载体验试试 GitHub地址： 演示报告：

刚发现一个OpenMOSS（复旦大学等机构）发布的 Awesome-WAM 仓库，按一套架构分类法把 WAM 分成两类： 1、Cascaded WAM（级联式）：先生成未来视频/画面，再从中抽取动作（UniPi、VLP、TesserAct、AVDC 这类）。 2、Joint WAM（联合式）：视频和动作一起生成，又分 自回归（GR-1/GR-2、CoT-VLA、WorldVLA…） 扩散式（UWM、UVA、Cosmos Policy…） 还有World Model for VLA：把世界模型用于模仿学习、强化学习、以及策略评测（Dreamer 系列、WorldEval 等）。 并系统罗列了机器人数据集（OXE、DROID、Bridge…）、UMI、仿真、第一视角人类视频等。 他们还用一个开源的 summarization skill（Paper2Blog），为大量论文自动生成了一篇结构化的中文/解读博客，还把这个生成 skill 本身开源了。