@akshay_pachaar: 将任何论文转化为可运行代码。只需在论文URL中将arxiv替换为autoarxiv，即可将论文交给AI代理……

将任何论文转化为可运行的代码。

只需将论文URL中的 arxiv 替换为 autoarxiv。

这样就会把论文交给 alphaXiv 的 AI 代理。它会阅读摘要、声明以及关联的 GitHub 仓库，然后克隆代码库，并处理常见的环境配置痛点，比如依赖项、损坏的路径、环境配置及硬件假设。

接着，它会设计一个最小的复现方案。这意味着使用更小的模型、更少的步骤、单 GPU 而非集群，适当缩小规模，仅用于测试标题中的声明是否成立。

整个运行过程是实时且全程记录的。损失曲线、评估指标和训练进度均可实时观测。

最后返回的是一个清晰的信号：最小化运行结果是否与论文报告的结论一致，同时给出完整复现所需计算资源和时间的估算。

大量研究代码在任何人验证一个数字之前就倒在了环境配置上。这项技术将复现从数小时的调试工作简化为一次 URL 替换。

选一篇论文，现在试试。

视频鸣谢：@askalphaxiv

网页抓取将从此不同。

（100% 开源的大规模视觉搜索）

PixelRAG 是一个完全跳过 HTML 解析的检索系统。

它不再将页面解析为文本并切分嵌入，而是对页面截图并检索图像。视觉语言模型直接从像素中读取答案。

为什么这很重要：解析正是 Web RAG 不知不觉丢失信息的地方。

• 单个 HTML 转文本的解析器可能会丢失页面 40% 以上的内容。
• 表格、图表和布局会被扁平化或丢弃。
• 仅仅更换解析器，在同一份文档上准确率就可能波动约 10 个百分点。

PixelRAG 索引的是用户实际看到的页面。团队建立了整个维基百科的视觉索引，包含 3000 万以上截图，在纯文本问答任务上仍比最强的文本 RAG 基线高出 18.1%。

该仓库还附带一个 Claude Code 插件，让 Claude 拥有视觉能力。

它让 Claude 可以截图任意 URL 并读取渲染后的页面，而无需抓取 DOM。因此你可以把实时页面、arXiv 论文或本地站点交给它，询问它实际看起来的样子。

一个设置脚本即可完成。无需 MCP 服务器，无需后端。

流水线工作方式：

• 将每个文档（网页、PDF、图像）渲染为图像块。
• 使用 Qwen3-VL-Embedding（经 LoRA 在截图上微调）对图像块进行嵌入。
• 构建 FAISS 索引并提供搜索 API。

更强的阅读器模型可以在不重新索引的情况下提升准确率，因为索引就是像素本身。

一切基于 Apache-2.0 开源。

GitHub 仓库：https://github.com/StarTrail-org/PixelRAG…

说到 RAG，我最近写了一篇文章，介绍了一种新方法，它通过将语料库大小缩减 40 倍、每次查询的 token 数减少 3 倍、向量搜索相关性提升 2.3 倍，使检索更加高效。

文章引用如下。

@akshay_pachaar 说实话，这对开发者来说是颠覆性的改变。环境配置的麻烦少了，意味着更多时间可以用来写代码。