Linux内核维护者大会达成共识，废除补丁中的Assisted-by标签，因该标签无法准确反映AI实际使用情况：约10%的补丁带有该标签，但实际AI使用更为普遍。相关撤销补丁已引入文档开发分支，并移除了checkpatch.pl对该标签的识别。取消标签并不意味着免除人工责任，提交者仍需检查代码、确认许可合规并对内容负责。Linus Torvalds反对用规则限制开发者使用AI，强调应关注开发者是否理解代码，而非仅凭工具判断贡献质量。

本文研究扩散Transformer（DiT）中的异常标记问题，发现其在编码器和去噪器中均存在，且简单掩蔽无效。提出双阶段寄存器（DSR）干预方法，通过训练或测试时寄存器及扩散寄存器，在ImageNet和文本到图像生成中减少异常伪影，提升生成质量，强调控制异常标记对构建更强DiT的重要性。

VideoFlexTok是一种灵活的视频标记方法，通过粗到细的方式表示视频，初始标记捕捉抽象信息，后续标记添加细节。这种结构允许根据需求调整标记数量，提升训练效率，生成质量与传统3D网格标记相当，但模型更小，支持长视频生成，计算成本低。

本文探讨了反因果领域泛化，旨在提高模型在新环境中的鲁棒性。研究提出利用无标记数据，通过惩罚模型对环境扰动的敏感性来增强适应性。提出的两种方法在特定环境下具有最优性，并在实际系统和生理信号数据集上验证了效果。

本文介绍了Linux下的截图标记工具Satty，强调其轻量、功能齐全和用户友好的界面。与Swappy、Ksnip和Flameshot等工具相比，Satty支持计数标注功能，适合教程编写。安装和使用简单，支持快捷键操作，满足大部分截图需求。

Google推出了SynthID和C2PA技术，以识别深度伪造内容。SynthID通过隐形水印标记图像，C2PA提供内容来源元数据。这两项技术的结合将增强在线内容的透明度，帮助用户验证图像的真实性。尽管存在元数据可能被删除的挑战，这项合作为打击AI伪造提供了新机会。

xuniq 是一个高效的行去重工具，能够在不排序的情况下处理未排序内容。farben 是一个用 Rust 开发的终端彩色标记库，支持易读的标记语法和多种样式设置，具有零依赖和编译时处理功能。

在现代微服务架构中，配置管理面临快速变化的租户元数据和扩展性挑战。传统缓存策略存在过时数据和性能损失的问题。本文提出了一种可扩展的多租户配置服务架构，利用标记存储模式，通过动态路由请求到合适的AWS存储服务，确保租户隔离并支持实时更新，从而解决了缓存过时的问题。

研究表明，基础大型语言模型（LLMs）在开放领域问答任务中能够有效评估其语义信心，尽管未经过专门训练。文章提出了一种理论机制，解释了语义校准如何作为下一个标记预测的副产品，并通过实验验证了基础LLMs在问答任务中的语义校准性。

TrajTok是一种视频标记模块，通过动态调整标记粒度，解决视频模型中的标记冗余问题。它集成了统一的分割器，能够高效生成对象轨迹，提升视频理解性能。在分类和检索基准测试中表现优异，可作为预训练视觉特征的探测头或视觉-语言模型的连接器。

Dynatrace收购DevCycle后，Michael Beemer和Andrew Norris讨论了功能标记在AI时代的重要性。功能标记为开发者提供了安全网，帮助他们在快速生成代码时保持软件质量。Norris指出，功能标记使开发者能够在发布前审核AI生成的代码，确保可控性。Beemer强调行业标准的重要性，以防止供应商锁定。

Hugging Face发布了FineTranslations数据集，包含超过1万亿个平行文本标记，涵盖英语及500多种语言，旨在改善机器翻译，尤其是英语到低资源语言的翻译。数据集来源于FineWeb2，经过严格筛选和处理，确保质量，可通过Hugging Face访问，支持大规模处理。

Manzano是一个简单且可扩展的统一多模态模型框架，结合了混合图像标记器和优化的训练方法，能够有效理解和生成视觉内容。该模型通过共享的视觉编码器和轻量适配器，实现图像到文本和文本到图像的连续嵌入，尤其在文本丰富的评估中表现突出。

在Gemini上传图片后，点击图片进行圈选，使用不同颜色标记修改区域，并添加文字说明，最后提交等待AI修图。