A Survey of Weakly-Supervised and Zero-Shot Temporal Action Localization Methods |弱监督与零样本时序动作定位方法综述

简介: 时序动作定位(TemporalActionLocalization,TAL)旨在非修剪视频中预测动作类别及时间边界,其核心价值在于缓解密集帧级标注成本高企与开放场景泛化需求之间的张力。早期研究以全监督为主线,依赖昂贵的边界标注,思路直接却受制于数据规模与封闭集假设。当标注成本成为扩展瓶颈后,研究者转向弱监督与点监督范式,通过伪标签挖掘在稀疏信号中恢复时序结构,用标注效率换取部分定位精度。随着视觉-语言模型(Vision-LanguageModels,VLMs)的兴起,零样本与开放词汇TAL成为新焦点,利用大规模图文对齐先验摆脱对特定类别训练数据的依赖,但牺牲了细粒度时序定位能力。

综述原文见 www.arxivreview.com

导读

时序动作定位(Temporal Action Localization, TAL)旨在非修剪视频中预测动作类别及时间边界,其核心价值在于缓解密集帧级标注成本高企与开放场景泛化需求之间的张力。早期研究以全监督为主线,依赖昂贵的边界标注,思路直接却受制于数据规模与封闭集假设。当标注成本成为扩展瓶颈后,研究者转向弱监督与点监督范式,通过伪标签挖掘在稀疏信号中恢复时序结构,用标注效率换取部分定位精度。随着视觉-语言模型(Vision-Language Models, VLMs)的兴起,零样本与开放词汇TAL成为新焦点,利用大规模图文对齐先验摆脱对特定类别训练数据的依赖,但牺牲了细粒度时序定位能力。各路线在标注成本、泛化能力与实时性之间做出了不同取舍,由此形成当前多元并存的方法格局。本综述梳理这条从封闭标注到开放泛化的因果演进链条,为读者提供一张领域认知地图。全文按问题演化与路线取舍组织,覆盖该领域从奠基到当前的主要工作。

1. 研究背景、问题结构与演进脉络

时序动作定位的核心任务是在非修剪视频中检测动作实例并预测其起止时间和类别,是视频理解的基础任务。传统全监督方法依赖密集的帧级时间边界标注,这种标注不仅成本高昂且难以扩展,更受限于封闭集假设,即模型只能识别训练集中见过的动作类别,无法泛化至新场景或未见动作。这一根本矛盾——标注成本与泛化能力之间的张力——构成了该领域所有后续研究的出发点。为降低标注成本,研究首先转向弱监督学习(Weakly-Supervised Learning, W-SL),仅使用视频级标签或稀疏点标签进行训练,通过挖掘伪标签平衡性能与成本;随后,随着VLMs的兴起,零样本(Zero-Shot)和开放词汇(Open-Vocabulary)TAL成为热点,利用预训练语义先验实现对新动作的识别,彻底摆脱了对特定类别训练数据的依赖。

问题形式化上,TAL通常被定义为:给定视频 $V$ 和类别集合 $\mathcal{C}$,模型需输出动作实例集合 ${(c_i, t_i^{start}, t_i^{end})}$,其中 $c_i \in \mathcal{C}$ 为类别,$[t_i^{start}, ti^{end}]$ 为时间边界。在弱监督设定下,监督信号退化为视频级标签 $y \in \mathcal{C}$ 或单帧点标签,模型需通过多示例学习(Multiple Instance Learning, MIL)等机制从稀疏信号中恢复时序结构。在零样本设定下,测试类别 $\mathcal{C}{test}$ 与训练类别 $\mathcal{C}_{train}$ 不相交,模型需依赖VLMs提供的跨模态语义对齐能力进行泛化。子问题呈现层级依赖关系:伪标签挖掘是弱监督的基础,为点监督提供信号增强;VLM语义对齐是零样本的前提,为开放词汇提供类别先验;在线推理与测试时适应(Test-Time Adaptation, TTA)则是前两者在实时约束下的综合应用,依赖于前序子问题建立的时序建模与语义理解能力。

范式边界上,弱监督、点监督与零样本存在明确区分:弱监督有类别标签但无边界标注,点监督有单帧标签但无完整边界,零样本则既无测试类别的训练数据也无边界标注。这种区分决定了各路线的核心矛盾不同——弱监督聚焦于"如何在稀疏监督下挖掘伪标签以恢复时序结构",零样本聚焦于"如何利用预训练语义先验弥补时序定位能力的缺失",而在线推理则聚焦于"在缺乏未来上下文时如何维持定位精度"。

约束演化史揭示了方法如何因应外部条件变化而演变。2017-2019年间,ISBA(2017)和NN-Viterbi(2018)奠定了基于转录序列的弱监督动作分割基础范式,SF-Net(2019)则首次提出点监督TAL范式,确立了"单帧标注+伪标签挖掘"的核心技术路线。2021年,EffPrompt引入零样本TAL任务设定,开创利用VLMs进行跨域动作识别的先河,标志着TAL从封闭集向开放集范式的转变。2022-2024年间,STALE(2022)提出无提议架构解决误差传播问题,T3AL(2024)引入TTA机制突破域内标注依赖,OnPoint(2025)构建离线到在线蒸馏框架解决实时推理挑战。2025-2026年,MGCA-Net(2025)和OZ-TAL(2026)进一步细化开放词汇与在线零样本场景,HAL(2026)和WS-IMUBench(2026)则分别从层级因果建模和跨模态基准构建角度拓展了领域边界。当前形态呈现多模态融合、高效标注利用及开放场景泛化并存的格局。

如果用一个核心问题概括该领域,那便是:如何在缺乏密集时间边界标注和封闭类别约束的条件下,利用稀疏监督信号或预训练多模态先验,重建视频的时序结构并实现对新动作的精确边界定位。

2. 方法体系

  • 2017:ISBA——奠定弱监督动作分割基础范式

  • 2018:NN-Viterbi——推进单阶段对齐方法

  • 2019:SF-Net——确立点监督TAL核心技术路线

  • 2021:EffPrompt——开创VLM零样本TAL先河

  • 2022:STALE——提出无提议CLIP基架构

  • 2024:T3AL——引入测试时适应机制

  • 2025:OnPoint——构建离线到在线多级蒸馏框架

  • 2026:OZ-TAL——定义在线零样本TAL任务

这条时间线勾勒了该领域方法演进的代表性节点:从 2017 年的 ISBA 奠定该领域方法基线,经 2018 年 NN-Viterbi 的推进,到 2026 年的 WS-IMUBench 代表当前前沿。各节点对应的技术路线、取舍与关联,详见后续小节。

2.1 弱监督动作分割

弱监督动作分割路线起源于2017年的ISBA,该方法提出迭代软标签对齐机制,通过均匀划分视频并逐步细化分割边界,解决了早期弱监督方法依赖硬标签导致的边界模糊问题,奠定了基于转录序列的弱监督动作分割基础范式。2018年的NN-Viterbi引入神经网络生成帧级概率分布,结合Viterbi解码算法实现视频帧与动作转录序列的最优匹配,显著提升了弱监督场景下动作边界的预测精度,成为后续单阶段对齐方法的重要对比基线。本批论文中,HAL(Huang et al., 2026, P5)提出层级动作学习模型,利用变分推断建模视频中的层级潜变量,解决弱监督动作分割中的过度分割问题。模型假设视频包含不同时间尺度的层级潜变量:低层视觉变量变化快,高层动作变量变化慢且捕获稳定语义模式。通过金字塔Transformer骨干网络提取特征,视觉编码器和动作编码器分别近似视觉和动作潜变量的后验分布。引入平滑过渡约束,量化视觉和动作潜变量的变化量,强制动作变量变化慢于视觉变量,从而识别稳定的动作结构。该方法通过因果抽象和层级建模,缓解了视觉波动导致的虚假边界问题,其核心在于利用层级潜变量的不同演化速率作为归纳偏置,增强模型对动作结构的理解。HOI-aware Adaptive Network(Zhang et al., 2026, P7)则针对相似动作区分困难问题,提出基于人机交互(HOI)感知的自适应网络。该方法同时学习HOI依赖知识和HOI独立知识,通过双分支HyperNetwork和后期融合,生成自适应时序编码器的网络参数。时序编码器在估计帧t的动作概率时,动态适应视频内容,利用HOI信息区分相似动作。Boundary-Centric AL(Helvaci and Cheung, 2026, P6)提出边界中心主动学习框架,采用层级两阶段选择策略降低标注成本。第一阶段利用蒙特卡洛Dropout估计模型不确定性,选择最不确定视频进行查询;第二阶段在选定视频中识别预测动作边界,基于不确定性、分类歧义和时序动态指标对边界进行评分。这种设计将监督集中在高信息决策边界,即动作转换发生处,同时利用时序平滑性学习,显著提升了弱监督场景下的数据利用效率。该路线与零样本路线互补:前者解决序列结构完整性问题,后者解决类别泛化问题,二者共同支撑开放场景下的视频理解。

2.2 点监督动作定位

点监督TAL范式由SF-Net(2019)首次提出,通过迭代挖掘伪动作帧和背景帧来扩充稀疏监督信号,平衡了标注成本与模型性能,为后续点监督研究确立了"单帧标注+伪标签挖掘"的核心技术路线。2023年的LACP设计贪心算法生成密集最优序列,利用点标注学习动作实例的完整性,有效缓解了稀疏标注导致的边界不确定性。本批论文中,Temporal Consistency Model(Ma et al., 2026, P4)针对点监督TAL中忽略帧间时序关系的问题,提出基于点标注的自监督辅助任务。该方法在基线架构上引入三个自监督任务:动作补全、动作顺序理解和动作规律性理解。这些任务利用点标注提供的稀疏监督信号,生成额外的自监督损失,与主分类损失联合优化,通过强制模型学习跨视频一致的时序一致性,提升了动作边界预测的准确性。TRA(Ma et al., 2026, P2)提出文本精炼与对齐框架,旨在利用文本语义增强点监督TAL的精度。该方法首先利用BLIP2等现成字幕生成器为视频片段生成详细字幕,但识别到字幕可能包含错误。提出基于点的文本精炼(PTR)模块,利用点标注编辑和增强句子,纠正错误描述并提高文本准确性。随后提取不同模态的特征,输入基于点的多模态对齐(PMA)模块,通过视觉与语言模态的对齐,模型能够利用高层语义信息辅助动作边界判断。OnPoint(Reza et al., 2026, P11)提出离线到在线的多级蒸馏框架,解决点监督在线TAL中缺乏未来上下文和稀疏监督的挑战。框架包含点监督离线教师模型和在线学生模型,通过实例级伪标签蒸馏、帧级密集蒸馏和窗口级预期蒸馏三种信号,使在线模型在仅有点级监督的情况下,能够利用离线模型的全局上下文知识。该路线与零样本路线形成互补:点监督以单帧标注换取边界精度,但依赖伪标签挖掘;零样本以VLM语义换取泛化性,但牺牲了细粒度时序精度。

2.3 零样本动作定位

零样本TAL任务设定由EffPrompt(2021)引入,采用两阶段架构结合动作提议生成器与CLIP文本-图像嵌入进行分类,开创了利用VLMs进行跨域动作识别的先河。2022年的STALE提出无提议的CLIP基架构,通过双并行流学习定位掩码并基于文本对齐进行分类,解决了传统两阶段方法中误差传播的问题。2024年的T3AL提出无需训练数据的零样本TAL框架,通过精心设计的帧选择策略和推理时目标函数直接优化模型性能,突破了传统ZS-TAL依赖域内标注数据的限制。本批论文中,ConTrans(Keisham et al., 2026, P10)提出文本增强的局部-全局时序表示学习框架,用于零样本TAL。该方法集成语义文本信息与视觉特征,通过多尺度融合和注意力机制捕获跨模态的全局和局部上下文。利用预训练CLIP的视觉和文本编码器提取嵌入,保持编码器冻结以保留零样本泛化能力。引入ConTrans模块,通过多头注意力机制融合视频和文本编码信息,生成精炼的特征表示,同时执行动作分类和边界定位,避免了两阶段方法的误差传播问题。TeGu(Liberatori et al., 2026, P9)提出基于文本引导的零样本TAL方法,利用VLM进行视频级动作分类,识别视频中主要动作类别。随后生成帧级字幕并解析为场景三元组,提取关键细节以区分动作帧与非动作帧。利用大语言模型生成主要动作的文本描述器,作为细粒度的文本引导信号,通过文本引导信息估计帧级定位分数。LLT(2026, P13)提出基于可查找表的无训练零样本TAL方法,旨在解决测试时适应中历史知识丢失的问题。框架包含查找表收集和当前视频可学习残差两个阶段,通过持续收集高置信度查找候选,构建了面向TAL的表示,克服了逐实例适应中知识无法累积的缺陷。MGCA-Net(Fang and Hong, 2025, P1)提出多粒度类别感知网络架构,旨在解决开放词汇TAL中基础动作与新颖动作的联合识别难题。该方法包含定位器、动作存在预测器、常规分类器和粗到细分类器四个核心组件,通过两阶段分类策略有效区分已知与未知动作,避免了传统方法在开放集场景下的性能退化。VFEAL(Han et al., 2026, P8)针对在线零样本TAL任务,提出基于VLM的特征增强动作定位器。框架由特征提取、记忆引导特征增强、背景感知K路分类和在线动作跨度预测四个顺序组件构成,通过记忆机制补偿在线推理的上下文缺失,实现了在实时流式视频中对未见动作的准确定位。该路线与点监督路线竞争于标注效率与泛化能力的权衡:零样本完全依赖预训练先验,无需任何域内标注,但时序定位能力受限;点监督保留部分边界信息,但受限于类别封闭性。

2.4 跨模态弱监督定位

跨模态弱监督定位路线探索骨骼、IMU等非视觉模态下的弱监督定位,通过预训练策略、基准构建或时空解耦知识补偿克服标注成本与模态差异。本批论文中,SLPS(Nagano et al., 2026, P12)提出基于骨骼的零样本时空动作定位框架,通过弱监督预训练实现无需实例级标注的动作识别。该方法利用多模态姿态估计检测的骨骼关键点作为输入,相比外观特征更鲁棒于场景和人物变化。预训练阶段采用MIL框架,基于视频级标签学习动作分类,提出场景混合判别对比学习(SM-DCL),将不同场景的实例合并到统一上下文中,通过对比学习区分合并场景内的动作。推理阶段,SLPS机制提取每个骨骼实例的特征,与文本编码器生成的动作嵌入进行余弦相似度匹配,实现零样本定位。WS-IMUBench(Li et al., 2026, P3)建立IMU弱监督TAL的系统性基准,评估音频、图像和视频弱监督范式在IMU数据上的迁移性。该研究将WS-IMU-TAL建模为MIL问题,重新定义时间轴上的实例空间,并采用IMU特定的窗口化、聚合和时序细化策略。基准涵盖七个公开IMU数据集和七个代表性弱监督方法,进行了超过3500次模型训练和7000次推理评估,发现迁移性具有模态依赖性,时间域方法通常比图像衍生的提议基方法更稳定。该路线是前序路线在模态维度的扩展:零样本路线解决类别泛化,点监督路线解决边界精度,而跨模态路线则解决非视觉信号下的鲁棒定位问题,为可穿戴设备上的低成本动作定位提供了实证指导。

2.5 跨任务与多领域应用

上述四条路线在特定任务和数据集上形成了各自的技术积累,但其方法论内核——稀疏信号下的时序结构恢复、预训练先验的跨域迁移、以及实时约束下的适应机制——具有跨任务和多领域的迁移潜力。零样本路线中VLM语义对齐的思想可迁移至其他开放集视频理解任务,如视频问答和视频摘要生成;点监督路线中伪标签挖掘与自监督辅助任务的结合策略,可应用于医学影像、遥感图像等标注成本高昂的领域;弱监督分割路线中层级潜变量建模与HOI先验的引入,为长视频理解中的结构稳定性提供了通用范式;跨模态路线中IMU和骨骼信号的弱监督预训练框架,则为机器人、健康监测等应用场景提供了低成本部署路径。这些跨领域应用的核心挑战在于模态差异和任务特定约束的适配,但方法论层面的可迁移性为构建通用视频理解系统奠定了基础。

3. 关键共识、分歧与开放问题

3.1 领域共识

预训练VLMs提供的语义先验对零样本和开放词汇TAL至关重要,这一共识在多个基准上被反复验证:ConTrans的35.2与MGCA-Net的35.2均大幅超越无VLM辅助的早期方法,且二者均依赖CLIP的图文对齐能力实现跨域泛化(支撑证据:P1、P10)。与此相关的另一个共识是伪标签挖掘作为弱监督TAL中弥补监督信号不足的核心策略,其有效性在点监督和弱监督分割路线中均得到体现:TRA的58.5和Temporal Consistency Model的58.2均通过伪标签或自监督信号增强提升了定位精度,而Boundary-Centric AL的48.7则通过不确定性量化优化了伪标签的生成质量(支撑证据:P2、P4、P6)。时序一致性作为动作定位的关键约束,在点监督和弱监督分割路线中均被显式建模:Temporal Consistency Model通过动作补全、顺序理解和规律性理解三个自监督任务强化时序一致性,HAL通过平滑过渡约束强制高层动作变量演化慢于低层视觉变量,二者从不同角度验证了"动作内部特征应平滑变化,而边界处应有显著差异"这一假设(支撑证据:P4、P5)。

3.2 观点分歧

零样本TAL架构中"两阶段提议"与"无提议直接定位"的优劣之争,根源在于对误差传播与边界精度的不同权衡。两阶段架构(如EffPrompt)通过提议生成细化边界,适合复杂场景,但提议质量直接决定最终性能,误差累积严重;无提议架构(如ConTrans、TeGu)通过单阶段学习避免误差传播,更鲁棒,但需设计复杂的掩码或文本引导机制以保留前景信息。现有证据偏向无提议架构:ConTrans的35.2显著高于EffPrompt的23.3,但这一比较受限于骨干网络和预训练数据的不一致,ConTrans依赖CLIP预训练编码器,而EffPrompt的原始实验可能使用了不同的视觉骨干。分歧的未定论原因在于缺乏统一的复杂场景评测基准,且两阶段方法在提议质量高时仍有优势,需更多跨数据集对比实验。这一分歧的背后,是另一个更根本的争论:在线推理中"记忆增强"与"离线蒸馏"的有效性边界。记忆增强(如VFEAL)通过建模历史上下文补偿未来信息缺失,实时性强,但受限于记忆容量和检索精度;离线蒸馏(如OnPoint)通过教师模型传递全局知识,精度更高,但依赖离线训练阶段,无法完全适应动态分布偏移。OnPoint在THUMOS'14 PTAL上mAP 52.1,低于离线SOTA(HR-Pro 60.3),但高于纯在线基线;VFEAL在OZ-TAL任务上表现最佳,但缺乏与蒸馏方法的直接对比。分歧的未定论原因在于在线TAL缺乏标准评测协议,不同方法在实时性与精度的权衡点不同,需建立统一的在线基准。

3.3 其他开放问题

最紧迫的工程问题在于跨模态弱监督定位中IMU等低维信号的提议生成。WS-IMUBench(Li et al., 2026, P3)的系统性评估揭示了模态依赖性:时间域方法通常比图像衍生的提议基方法更稳定,但主要失败模式源于短动作、时序歧义和提议质量。关键困难在于IMU数据缺乏视觉边界线索,动作边界由信号动态变化定义,现有提议生成算法无法直接迁移。研究路径包括利用信号处理技术如FFT或小波变换增强特征表示,以及开发内容感知的时序提议生成算法。最根本的研究问题在于零样本细粒度定位中VLM语义先验与时序建模能力的解耦。VLMs虽能识别类别,但缺乏时序定位能力,导致动作边界粗糙,当前方法通过融合时序Transformer和文本引导优化,但尚未实现语义理解与时序建模的深度耦合。关键困难在于如何从文本中提取精炼的语义概念并有效对齐视觉特征,同时保持时序结构的完整性。研究路径包括利用预训练语言模型和场景图解析器提取关键语义信息,以及设计多尺度架构以解决动作纠缠问题。已知—争议—未知的认知图谱可归纳为:已知VLMs对零样本TAL的必要性和伪标签挖掘对弱监督TAL的重要性;争议在于零样本架构的优劣和在线推理策略的有效性边界;未知在于跨模态提议生成的通用算法和语义-时序深度耦合的理论框架。发展趋势指向多模态融合与在线适应的结合,核心问题在于如何在缺乏未来上下文和域内训练数据时,维持细粒度定位精度与实时性的平衡。

4. 总结与展望

弱监督与零样本TAL的核心矛盾在于标注成本与泛化能力之间的张力,这一矛盾驱动了从全监督到弱监督、从封闭集到开放集、从离线到在线的三次范式转变。研究者尝试过的路线包括伪标签挖掘(解决稀疏性)、VLM语义对齐(解决封闭性)、TTA与记忆机制(解决实时性与域偏移),但核心瓶颈仍在于细粒度时序定位能力与开放场景泛化能力的深度耦合不足。回扣第1章锚点句,如何在缺乏密集时间边界标注和封闭类别约束的条件下,利用稀疏监督信号或预训练多模态先验,重建视频的时序结构并实现对新动作的精确边界定位,仍是该领域尚未完全解决的核心问题。

未来可能突破的方向包括:结合HOI先验的自适应网络(解决相似动作区分)和层级因果框架(解决过度分割),这两个方向分别由HOI-aware Adaptive Network(Zhang et al., 2026, P7)和HAL(Huang et al., 2026, P5)共同指向,前者通过HOI信息增强判别能力,后者通过层级潜变量建模增强结构稳定性,二者在弱监督分割任务上均取得了超越经典基线的性能。另一突破方向是跨模态弱监督定位中IMU特定提议生成算法的开发,WS-IMUBench(Li et al., 2026, P3)和SLPS(Nagano et al., 2026, P12)共同揭示了非视觉模态下时序定位的独特挑战与机遇。对进入者最值得做的一件事是:在统一骨干与统一预训练条件下,系统评测零样本TAL中两阶段与无提议架构的边界条件,明确各架构的适用场景与性能上限,为后续方法设计提供实证基础。

以上为节选,完整内容见ArxivReview

目录
相关文章
|
8天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
9145 24
|
8天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
2702 14
|
3天前
|
人工智能 安全 应用服务中间件
NGINX 爆出两处高危漏洞 可导致未经身份验证的远程代码执行
NGINX曝出两个高危漏洞(CVE-2026-123633和CVE-2026-123007),CVSS 9.2分,均属HTTP/2内存安全缺陷,无需认证即可远程执行代码。影响自2015年起的多个版本,静态站点亦受威胁。修复版本为开源版1.30.7/1.31.9。(239字)
1297 0
NGINX 爆出两处高危漏洞 可导致未经身份验证的远程代码执行
|
6天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
10天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
10天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
23天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
11159 59
|
4天前
|
人工智能 弹性计算 IDE
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
适合团队落地代码规范,每次提交自动生成评审报告,降低人工CR工作量。同时支持自定义技能脚本,接入团队内部SDK说明文档,让Codex生成符合团队编码规范的代码。Codex三大客户端覆盖本地开发、服务器远程编码、自动化流水线场景,搭配阿里云百炼的Token Plan、Coding Plan,能够低成本搭建稳定可控的AI编码助手。新手建议先从IDE插件入手,熟悉交互逻辑,再尝试CLI版本部署在阿里云ECS,实现云上项目远程编码、批量脚本处理。只要按照步骤完成环境准备、版本选型、密钥对接、项目初始化,就可以把Codex融入日常开发流程,大幅提升代码编写、问题排查、项目重构的效率。
949 0
|
6天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
1329 1
|
9天前
|
Linux API iOS开发
【DSH】DeepSeek Harness新手保姆教程(下载+安装+配置+使用,2026最新实测)
DeepSeek Harness(dsh)是DeepSeek AI开源的智能体框架,秉持“一切皆插件”理念,支持读文件、改代码、跑命令、处理表格、联网搜索等操作。免费开源,兼容Windows/macOS/Linux,提供桌面端与网页端,可灵活安装插件扩展能力。