vivo 互联网技术

摘要： vivo蓝图实验室提出了长焦虚化渲染框架 MagicBokeh，基于一个统一的生成式架构实现长焦虚化渲染。通过交替训练策略、焦点感知掩码注意力与退化感知深度估计，解决了高倍变焦低质输入下噪声放大、边界模糊与误差累积的问题，在合成与真实数据集上均取得SOTA效果，为移动端高效真实感长焦虚化仿真提供了新方案。 阅读全文

摘要： 本文介绍一套覆盖Web端、Vue编码阶段和Android App真机页面的检测工具链：Web端覆盖PC页面与H5页面，Chrome插件发现运行时问题；VS Code插件前置检测并结合大模型辅助修复；桌面端工具基于ADB、截图和 UI XML完成App检查，帮助团队形成质量闭环。 阅读全文

摘要： 本文提出了一种适用于扩散模型的全新引导范式——自交换引导。针对传统引导方法高度依赖文本条件、需专门训练或直接加噪导致图像失真的局限性，SSG 提出了一种“无需文本、不加噪声、不改模型”的轻量化策略。 阅读全文

摘要： 介绍自建的「OpenSpec 规范层 + AI Workflows 执行层」体系，通过一套「规范 + 技能 + 钩子」机制，对 AI 的理解、执行和校验进行系统化约束与增强，显著提升开发协作中的准确率与稳定性，让 AI 从“需要反复纠正的实习生”逐步成长为“可信赖的开发搭档”。 阅读全文

摘要： 从 ReAct 出发，文章讨论 Agent 工程如何从“模型循环”走向 Harness：通过前后端共享的 State Schema、运行事实和 UI 边界，让模型行为变成可交互、可恢复、可控制、可追溯的产品能力。 阅读全文

摘要： 笔者在不手写一行代码的情况下，通过AICoding2个工作日内完成了一个4年历史、2万行Vue项目的全面重构。核心观点：AI辅助开发的关键不在AI本身的能力，而在于人为AI建立的约束体系。 阅读全文

摘要： 我们团队提出了VeraRetouch，一个轻量、全可微分、可移动端部署的多任务推理式照片修图框架。它不仅能自动修图，还能将用户想要的风格描述，把高层语言意图转化为像素级调整，执行精确的参数式调整，在保持图像结构和细节的同时完成专业化色调与色彩优化。 阅读全文

摘要： 推荐系统擅长回答“推什么”，用户却卡在“怎么选”。 本文探索：不改排序，补上排序之后的“表达与决策”——把游戏理解透，让同类多款可比较、可解释、可追溯。做法是让大模型放开探索、用工程约束收住，使生成稳定进生产。目标不是替代排序，而是帮用户从“给结果”走向“帮决策”。 阅读全文

摘要： 本文提出LearnIR，通过训练轻量网络预测梯度校正分布，实现无需前向算子的扩散后验采样校正；并设计动态分辨率模块，进一步抑制噪声。在多个图像复原基准上，LearnIR的PSNR、SSIM、LPIPS均达到先进水平。 阅读全文

摘要： 作者：vivo 互联网服务器团队- Chen Yifan本文介绍了一种基于 search_after + Redis 多级锚点缓存的 Elasticsearch 深度分页跳页方案。针对 Elasticsearch 原生不支持随机跳页的限制，通过三轮优化——分段预热缓存、最近锚点定位 + Elasti 阅读全文