实测五大论文降重方案:AI改写、翻译法、结构重组与规范引用
1. 2026届毕业季降重为什么成了“刚需”每年到毕业季论文查重总是绕不开的话题。2026届的同学们面对的情况其实更加特殊主流的查重系统在近几年完成了好几次算法迭代对语义相似度的识别比前几年精准得多以前那种“加个字、换个词、颠倒一下语序”的简单操作早就行不通了。与此同时各个高校普遍收紧了学术诚信审查的口径不少学院在首次查重后会直接给出修改意见甚至要求附上详细的降重说明。这种情况下“降重复率”不再是一个单纯的文字游戏而是每个毕业生都必须认真对待的一项系统工作。先说清楚查重系统是怎么工作的。绝大多数主流查重平台会把提交的论文拆分成连续的片段按照设定的窗口长度进行数据库匹配同时叠加语义模型来判断文本关联度。不同平台的具体算法不一样有的侧重字面重合有的侧重句间相似度但共同点是它们查找的不是“单词是否一样”而是“这一串表述是否在已有文献中出现过类似形态”。所以降重的本质不是把“一样的字”变成“不一样的字”而是在保持学术原意和表达质量的前提下让文本在语义层面远离已有语料的相似区间。这次我在模拟项目X上做了一轮完整实测。论文选题是某跨平台系统的设计与实现全文接近两万字初检重复率在45%左右其中文献综述和理论框架部分最严重标红段落集中。我挑了当前网络上讨论最多、热度最高的五大降重方案逐一跑了一遍记录方法、过程、效果和副作用。这五大方案分别是AI辅助改写、翻译法、结构重组与观点重构、科学引用与文献管理、源头原创写作。需要提前说明的是我整轮测试都在学术规范允许的范围内操作不回避引用来源、不删减参考文献、不伪造实验数据核心都放在“如何用自己的语言更准确地复述已有的研究成果”。如果你的导师或学校对查重率有硬性要求这篇文章可以给你一套完整的参考依据如果你已经进入论文写作中后期也可以从里面挑一两种方案组合使用。2. 方案一AI辅助改写效率最高的“轻量手术”2.1 实测工具与测试标准AI辅助改写是目前热度最高的一个方向几乎每个降重交流群里都有人在问“哪个工具好用”。我这次没有只测一款而是把市面上讨论度较高的工具分成了三类第一类是通用对话型AI产品第二类是专门的学术润色平台第三类是主打批量处理的在线降重软件。为了保证结果可比我统一选用了模拟项目X中初检重复率最高的一章约3000字内容以文献综述为主。测试之前我先表达一个明确观点AI辅助改写本身没有问题问题在于怎么用。如果只是把一段话原封不动扔给AI让它“换个说法”你得到的往往是一段表面上不同、语义也基本正确但读起来生硬无比的内容而且重复率可能只下降几个点。原因在于现在的查重系统已经能识别同义替换你把“提高”换成“提升”、把“研究”换成“探讨”数据库里早已存在对应的语义指纹这种级别的替换等于没换。所以我给这次测试定了三个维度而不是只看重复率数值第一是降重幅度第二是中文表达流畅度第三是学术语义保真度。每个维度按1到5分打分最终综合起来判断方案是否值得采用。2.2 三类工具的表现与使用技巧三款工具的表现差异非常明显。通用对话型AI在“说人话”方面最强改写后的段落基本通顺没有明显的病句但它的学术语感比较弱经常把专业术语简化成大白话。比如原文“采用边缘计算架构以降低端侧延迟”到了它手里可能变成“用边缘计算的结构让设备端的延迟变小”。这种表达放在论文里是很致命的因为评审专家一看就知道不是学术写作。学术润色平台则表现得更加保守改写幅度不大但术语保留得很好适合做局部微调、改一改句式不适合处理大段整体重复。在线降重软件效率最高几百字两秒钟就出结果但问题也最明显输出结果经常出现词语堆砌、句子成分残缺甚至为了降低重合而强行塞入不自然的同义词。我的结论是AI辅助改写更适合做“第一轮粗降”不适合直接出终稿。正确流程是把重复段落先交给AI做一次改写重点让它重组句式、调整语序然后由人工逐句校对把被改坏的专业表达恢复回来。换句话说你要把它当成一个草稿生成器而不是一个直接提交论文内容的工具。提示千万不要把AI改写结果直接提交。实测中AI改写段落要是未经人工润色流畅度平均只能到3分左右而且带着一股“翻译软件拼接”的味道。导师对这类文字的敏感度很高很容易看出异常万一被判定为AI代写或机器改写后果比重复率超标严重得多。这里我再分享一个比较好用的提示词思路。单纯写“帮我改写这段话”是不够的我一般会补充几个限定条件保留文中核心术语不变把句子的主被动结构调整一下替换掉固定的逻辑连接词保持段落前后衔接自然。给AI限定了这些约束之后产出的内容才更贴近论文语境后续人工校对的工作量也会小很多。3. 方案二翻译法实测效果直接但陷阱也多3.1 翻译法的底层逻辑翻译法的思路很简单先把中文段落翻译成英文再从英文翻译回中文。因为文本经过了两种语言的置换词汇选择、语序和表达习惯都会发生明显变化从而绕开原文的字面匹配和语义匹配。这个方法在降重圈子里流传很久而且数据效果非常直观。我在模拟项目X的“研究方法”章节上测试了这种方法选了一段约500字的操作描述初检重复率是51%。具体操作步骤是先用中文原文做了一遍中译英再用英译中回译最后人工润色。这里有个细节翻译工具的选用会影响结果。我对比了偏直译的工具和偏意译的工具实测下来偏直译的工具更适合降重流程因为它在换语言时不会主动帮你整理中文逻辑反而保留了更多句法变形的空间。实测下来的重复率变化很夸张从51%降到了16%初看非常理想。但我必须把副作用讲清楚翻译回中文后文本会带着明显的“翻译腔”。比如原文“本研究采用问卷调查法收集数据”经过翻译法会变成“本研究以问卷调查的方式展开了对相关数据的获取”。你读下来会觉得它没错但很不像人话。这种表达放在论文里阅读体验是很差的而且如果整篇论文都这样处理盲审时的印象分会很受影响。3.2 翻译法实操流程与润色重点翻译法的实操门槛不在翻译这一步而在后面的润色环节。我建议按这样的顺序来做先做中译英选择一个偏直译倾向的翻译工具避免它在输出英文时自动帮你优化逻辑结构。再做英译中同样使用偏直译的选项拿到文本后先不要着急分析重复率。把回译结果通读一遍把所有翻译腔严重的句子标记出来包括那些“是……的方式”“对……进行了……”之类的固定句式。对标记句逐一重写重写时以“我的原意是什么”为起点而不是盯着英文句子想办法翻得“更顺”。润色时有一个特别容易忽略的细节论文前后术语必须保持一致。翻译法最容易导致某个关键术语在不同段落里被译成不同写法例如“样本量”这段写成“样本数目”下段又写成“样本数量”。查重系统可能识别不出这种变化不会标红但你自己论文的术语体系就乱了这在盲审和答辩时都是减分项。注意翻译法只适合局部处理不适合整篇通篇操作。我实测过把一整章拿去翻译再润色时间成本至少翻了三倍而且各段落的语言风格会被拉得很远有的段落看着像标准学术语有的段落像新闻稿整体感很差。翻译法处理三五百字的顽固段落效果最好。4. 方案三结构重组与观点重构最“治本”的降重方式4.1 为什么结构调整能拉低相似度第三种方案不依赖外部工具完全靠你自己对内容的理解所以我把它叫作“治本”的方案。查重系统的相似度判断包含两个维度连续字符重合和语义相似度。如果你只是把原文的个别词汇换掉语义相似度依然很高但如果你把句子的因果顺序、逻辑层次、叙述视角重新组织哪怕核心信息仍然是同一个文本的表层结构已经完全不同了。我在模拟项目X里实测了一段理论框架描述初检重复率38%。我做的操作其实就是三个步骤拆主干、换顺序、加原创分析。先把这段内容的几个关键论点提取出来在文档里单独列成一个清单然后不看原文基于这些论点用自己的话重新组织段落最后再回头对照原文检查有没有遗漏重要的限定词、转折关系和出处信息。整个过程下来重复率降到了14%。为什么有效因为文献综述之类的段落高重复率的根源往往不是“观点抄袭”而是“表达惯性”。很多人在写综述时习惯顺着原作者的句子结构往下写自以为是在复述实际上一半的句式和用词都延续了原文。结构重组的本质就是切断这种表达惯性你不看原文只依靠提取出的观点碎片大脑会强迫自己重新组织语言产出的文字自然就离原文更远。4.2 观点重构的完整操作步骤这里我可以给出一个比较通用的操作模板适合处理理论阐述、文献综述和背景介绍这几类重复率常高的段落。第一步拆主干。把重复段落的主语、谓语、宾语、修饰成分拆开圈出最核心的1到2个信息点忽略那些铺垫性的从句。第二步换叙述线索。调整信息点的出场顺序。原文是“先背景后结论”的你就改成“先用结论句定调再补分析过程”原文是“先定义后举例”的你就改成“先举一个场景再引出定义”。第三步插入分析性过渡。在观点和观点之间加入你自己的评论、比较或原因解释。这些内容百分之百是你写的能有效稀释整段的数字重合率。第四步压缩冗余引用。如果一段话里连续出现了三四个引用来源考虑保留最有代表性的1到2个把其余来源合并到别处或直接删除。引用密集的段落是查重系统最容易标红的地方适量压缩对降重非常有帮助。这个方案最大的好处是降重后的内容与论文整体的写作风格是统一的不会出现“这一章像机器写的、那一章像人写的”这种割裂感。代价就是耗时确实长我实测处理一千字左右的段落花了一个半小时其中包括提取要点、分行重写、对照原文核对三个环节。但长远来看这个时间是值得花的。5. 方案四科学引用与文献管理从规则层面规避风险5.1 合理引用与“复制式引用”的差别很多人提到降重就只想着“怎么改写”却忽略了一个更稳妥的方向规范引用。查重系统通常对符合规范的引用格式有一定识别和豁免机制但前提是你真的在“引用”而不是把别人的整段观点原样塞进自己的论文里只在结尾加个文献编号。实测阶段我把模拟项目X中第二章末尾的一段综述从“直接复述”改成了“先给出观点再标注来源”的写法重复率下降了大概7个百分点。关键改动其实只有一句话在归纳性的长句末尾用括号明确标注了参考文献位置同时把正文中直接搬过来的比喻和修辞性表述改成了更简洁的学术表达。查重系统看到的是“原创归纳规范引用标记”而不是“数据库原样复制的文本”重复率自然就下来了。所以这里要区分清楚我不是让你减少引用也不是教你钻查重系统的空子而是把“复制式引用”改成“归纳式引用”。前者是把自己的综述段落建立在大段原文摘抄的基础上后者是建立在你对这些文献真实理解的基础上。后者的写法不仅降重效果好在导师看来也更像一篇合格的文献综述。5.2 文献管理工具与引用流程规范引用最好配合文献管理工具来操作。我这边用过的工具包括开源类的文献管理软件和商业类的文献管理软件二者都能实现在写作时直接插入引用、自动生成参考文献列表。工具本身选哪款问题不大重要的是从写作早期就建立清晰的文献库。我的习惯是每拿到一篇相关文献先把摘要、核心结论、可引用的关键句录入到文献库中并在备注栏写下“这篇文献和我的具体关系是什么”。有些同学也会用表格做这个事效果类似。关键是这个备注一定是要点式的不要大段粘贴原文。到了写作阶段每当你需要引用某篇文献先看自己写的备注再对照原文确认关键数据没有记错最后用自己的语言组织成正文。这样一个流程跑下来正文里有大段相似的地方就会少很多。需要说明的是文献综述不应该为了降重而刻意砍掉引用数量。论文篇幅和引用篇数都有基本的学术要求。真正需要调整的是每个引用位置的句式结构尽量不用“某某学者认为……”这种高度统一的句式连续排布适当变化成“在某某的研究中研究者观察到……”“有证据表明……这一点在某某的报告中得到了印证”等多种样式既符合学术写作规范也能降低局部重复。6. 方案五从源头提升原创性慢但最稳6.1 深度阅读与知识内化最后一招严格来说不算“技巧”但它是所有方案里最稳的在写作阶段就把原创性融入进去。我接触过的不少在降重群里求助的同学共性问题往往是“写作时没有形成自己的理解”只能在文献综述里大段大段照搬别人的表述。等到查重结果出来再回头补救工程量和心理压力都很大。深度阅读的关键动作是“带着问题读文献”。不要一上来就抄句子而是先看摘要和结论判断这篇文献到底跟你论文的哪个研究问题相关然后用自己的话在笔记里写两三句“这篇文献解决了我哪个疑惑、留下什么缺口”。这个过程积累下来你手里会拥有一大堆经过消化的观点碎片而不是一堆等待摘抄的原句。我在模拟项目X的绪论部分试过这种方式。初稿写作时我花了比较多的时间整理文献笔记后面真正动笔时几乎没有出现大段重复的情况。初检那一次绪论部分的重复率只有9%是全文最低的章节。相对于其他章节动辄百分之三十几的重复率这个数据说明了源头写作的长期价值。6.2 日常写作的几个原创性习惯把这一步拆成小习惯执行起来更容易每读完一篇文献强迫自己在当天写50到100字的总结禁止复制粘贴原文哪怕觉得自己写得不好也要写。写正文前先把要写的内容用口头语言讲一遍同时用语音转文字软件记录下来再整理成书面语言。这个方法对摆脱原文束缚非常有效因为“说出来”的过程天然会绕开书面上的原句。每写完一个小节回头快速读一遍前面的文字确认自己没有把前文已经说过的话又重复一遍。很多查重标红其实是“自我重复”是自己论文前后段落之间的雷同造成的。这三个习惯成本很低但对长期写作的帮助非常大。如果你还在论文写作的早期或中期强烈建议现在就开始养成。到了降重阶段你会发现自己需要处理的顽固段落比其他人少一大半。7. 五大方案横向对比与避坑指南7.1 总体表现与适用场景现在把五大方案放在一起看各自的定位就很明确了。我根据实测结果整理了一张对比表方便你判断当前情况下更适合用哪种方案降重幅度耗时成本表达风险适用阶段AI辅助改写中高低较高初检后粗降阶段翻译法高中很高局部顽固段落结构重组与观点重构中高高低综述和理论章节科学引用与文献管理中中低写作全周期源头原创写作稳而慢最高低写作早中期从实际体验来看单靠某一种方案往往不够。大多数初检重复率在30%以上的论文需要组合使用。比较常见的组合是先用AI辅助改写或翻译法做粗降解决大面积标红段落然后对剩下的顽固段落做结构重组确保语义和流畅度最后用科学引用规范收尾确保参考文献格式和正文衔接都合规。这套组合下来重复率基本能从40%左右降到15%以内而且表达质量不会受到太大损伤。7.2 避坑经验与常见问题这里再集中分享几个我在实测中踩过的坑每一个都是真实发生过的。第一个坑是把AI改写结果直接作为终稿。前面说过AI改写后经常出现“词语堆砌”类问题比如“为了进一步深入探讨该问题本文进行了进一步的深入分析”这种话。查重系统可能识别不出它有多奇怪但导师一眼就会看出来。要避免这个坑唯一的办法就是人工校对绝不能偷懒。第二个坑是过度降重导致语义不完整。不少人拿到查重报告后只盯着重复率数字把每个标红段落都改到面目全非最后连原意都丢了。这种情况在盲审阶段非常被动评审专家会对你的逻辑严谨性产生质疑。我建议每降完一个章节刻意隔半天再通读一遍如果发现读起来已经很费劲说明降重过度了要回调一部分内容。第三个坑是忽略表格和图里的数据重复。很多查重系统对截图中的文字也能做识别表格数据如果直接复制他人论文同样会被标红。处理方式有两种一是把原始数据用自己的语言重新描述二是对表格行和列重新排列改变表格结构。图片中的文字则尽量重绘不要直接截取别人的图表。第四个坑是临近截止时间才做查重。查重平台的数据库会持续更新而且你的论文一旦进入过某个平台的比对库以后再从其他平台查可能产生交叉干扰。最稳妥的做法是提前至少一周完成初检留出充足的修改和复检时间。没人想在截止前一夜一边哭一边降重。7.3 查重报告的正确打开方式最后说一点可能很多人不爱听的话降重只是论文通过检测的手段论文本身的质量才是根本。我在模拟项目X的实测中逐渐发现凡是能真正理解自己研究内容的人降重起来都更轻松因为他们不需要靠“猜”来改写而是真的知道每句话在说什么、为什么要这么说。我本人养成的一个习惯是每次拿到查重报告不急着改标红段落而是先把“来源文献”列看一遍。如果某一段的标红来源集中在一两篇文献上我会先回到原文弄清楚那一段到底引用了什么内容再按照结构重组的方式把观点拆开重新写。这个习惯帮我避免了很多无效修改——你连这段话的问题根源都没找到改出来的文字大概率还是要返工。这五大方案没有绝对的优劣关键是组合使用、分阶段推进。我唯一想提醒的是降重只是手段论文本身的质量才是目的。等论文真正写明白之后重复率的问题至少会少一半。

相关新闻

家庭本地4K观影架构实战:一套服务端搞定电视、电脑、手机和平板的多场景观影

家庭本地4K观影架构实战:一套服务端搞定电视、电脑、手机和平板的多场景观影

我真正下定决心把家里所有观影设备统一到一套架构上,是因为一个很普通的晚上。那天我想在客厅电视上接着看之前用手机刷了一半的片子,结果翻了半天:手机里有一段缓存,电脑里躺着完整文件,电视自带系统里又装了好几个客…

2026/10/19 5:57:35 阅读更多 →
2026届论文降重实测:五大方案效果对比与避坑指南

2026届论文降重实测:五大方案效果对比与避坑指南

2026届的毕业季还没真正到来,但论文查重的焦虑已经提前蔓延开了。最近我周围不少正在写论文的朋友都在讨论同一个问题:降重复率到底用什么方法才靠谱。市面上的说法五花八门,有人推荐AI工具一键改写,有人坚持人工逐句润色&#xf…

2026/10/19 5:57:35 阅读更多 →
AI周报:从OpenAI被超越传闻到模型、应用与算力新趋势

AI周报:从OpenAI被超越传闻到模型、应用与算力新趋势

1. 本周“OpenAI被超越”传闻的三种真相先聊大家最关心的那个问题:OpenAI是不是真的被超越了?这个话题这周在技术社群、投资圈和自媒体几乎同时发酵,标题一个比一个惊悚:“GPT系列地位不保”“王者落幕”之类的说法全出来了。作为…

2026/10/19 5:57:35 阅读更多 →

最新新闻

考研信息共享博客系统毕业设计全攻略:SSM+Vue完整实现

考研信息共享博客系统毕业设计全攻略:SSM+Vue完整实现

不用把毕业设计想得太玄乎。考研信息共享博客系统这种题目,看起来是“SSM Vue 论文 程序”的一整套交付物,本质上就是一件很典型的全栈 Web 开发练习。对 2026 届的同学来说,这个选题好在一点:业务场景非常具体,考研…

2026/10/19 6:23:48 阅读更多 →
把Agent当作一台新计算机:从上下文窗口到工具调用的工程化理解

把Agent当作一台新计算机:从上下文窗口到工具调用的工程化理解

这两年圈子里聊 Agent 的人越来越多,但真正把 Agent 讲透的内容反而更稀缺。我最近给一个业务团队做技术咨询时,反复用到一个视角:把 Agent 当成一台新发明的计算机来理解。这个比喻一开始只是为了方便沟通,后来发现它几乎能解释 …

2026/10/19 6:23:47 阅读更多 →
显微镜图像自动识别目标区域:从YOLO选型到部署实战

显微镜图像自动识别目标区域:从YOLO选型到部署实战

1. 显微镜下的"大海捞针":自动识别目标区域到底解决了什么问题做过显微镜图像分析的人应该都有这种体会:一张全景扫描图动辄几个GB,视野里密密麻麻全是细胞或者组织背景,而真正有价值的"目标区域"可能只占整张…

2026/10/19 6:23:47 阅读更多 →
Android端GB28181接入实战:从SIP注册到PS流推流

Android端GB28181接入实战:从SIP注册到PS流推流

刚从项目现场回来,通讯调试还在我脑子里转。这次聊一个不少做安防、物联网、视讯联运的团队都会碰到的硬骨头:在Android设备上实现GB28181协议接入,把手机、板子、盒子变成能注册到监控平台的“前端设备”。国民级安防标准GB/T 28181在国内视…

2026/10/19 6:23:47 阅读更多 →
Python NBA数据分析项目:从爬虫到交互可视化的工程化实践

Python NBA数据分析项目:从爬虫到交互可视化的工程化实践

简介:本资源是一份面向高校数据分析初学者与课程设计学生的Python实战项目,聚焦NBA球员数据的采集、清洗、统计分析与多维可视化呈现,适用于期末大作业、数据科学入门实践及可视化技能训练场景。压缩包共36个文件,含9个核心Python…

2026/10/19 6:23:47 阅读更多 →
AI教育智能体开发:八成工作量在聊天之外

AI教育智能体开发:八成工作量在聊天之外

1. 一个反直觉的真相:聊天只是冰山一角很多人对 AI 教育智能体的想象,大概都停留在这样一个画面:学生打开对话框,输入一道题,AI 秒回一段讲解,然后学生恍然大悟。这个画面很美好,也很符合大众对…

2026/10/19 6:22:47 阅读更多 →

日新闻

频率跟踪型PWM电源设计:臭氧发生器谐振点漂移与软开关实现

频率跟踪型PWM电源设计:臭氧发生器谐振点漂移与软开关实现

简介:本资源为电源技术方向的学术研究文档,聚焦介质阻挡放电型臭氧发生器电源的频率跟踪型PWM控制策略,面向电力电子、高压电源及臭氧应用领域的科研人员与工程技术人员。针对负载呈容性、等效电容随外加电压升高而增大、谐振频率随之漂移的难…

2026/10/19 0:00:47 阅读更多 →
Vibe Coding 遇上 TaoToken:把开发者思维圣殿的灵感流接入统一 Key 通道

Vibe Coding 遇上 TaoToken:把开发者思维圣殿的灵感流接入统一 Key 通道

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 0:00:47 阅读更多 →
HundredCV-Chat话题建模实战教程:利用4,871个内置话题标签构建主题分析系统

HundredCV-Chat话题建模实战教程:利用4,871个内置话题标签构建主题分析系统

【免费下载链接】HundredCV-Chat 项目地址: https://ai.gitcode.com/hf_mirrors/Jax-dan/HundredCV-Chat 点击查看 免费下载 HundredCV-Chat 是一个由 100 位青年简历数据开发而来的中文多轮对话数据集,共包含 24,750 组日常闲聊对话和 4,871 个话题标签…

2026/10/19 0:00:47 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/19 1:30:52 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 2:54:50 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/17 17:22:31 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 12:16:16 阅读更多 →