开源免训练任务感知物体选择框架可边缘部署
先了解这件事
开发者 Shailesh-A-hub 在 GitHub 开源了 task-aware-object-selection 框架：一个免训练、可边缘部署的任务感知物体选择系统，能在杂乱场景中根据任意任务查询识别、排序并选出最合适的物体，无合适物体时安全拒识。 系统组合 YOLOv8-nano（约3.2M参数）、35.5 KB 的 INT8 离线 LLM 蒸馏可供性知识库和 OpenRouter 动态推理，在标准 CPU 上约140-150 ms 完成处理。流水线采用语义门控（Sim ≥ 0.12）与融合阈值（Score ≥ 0.25，语义权重0.7、置信度0.3），知识库覆盖 80 个 COCO 类别与 14 个 COCO 任务，无需任务训练即可支持开放查询。 离线或无 API 密钥时，系统回退到本地离线知识库运行；默认模型为 openrouter/auto，自动选择可用的免费端点。
AI 根据报道生成 · 23 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- GitHub · 灵魂体仓库Shailesh-A-hub/task-aware-object-selection：边缘可部署、免训练的任务感知物体选择框架
该仓库开源一个免训练、可边缘部署的任务感知物体选择框架，组合 YOLOv8-nano（约3.2M参数）、35.5 KB（INT8）离线 LLM 蒸馏可供性知识库和 OpenRouter 动态推理，在标准 CPU 上约140-150 ms 完成识别、排序并选出最适合任意任务查询的物体，无合适物体时安全拒识。系统采用4阶段流水线：语义门控 Sim ≥ 0.12、融合阈值 Score ≥ 0.25（语义权重0.7、置信度0.3），知识库覆盖 80 个 COCO 类别与 14 个 COCO 任务，无需任务训练即可支持无限开放查询。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 910月31日 06:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。