Bản gốc tiếng Anh: https://argusic.com/subject/lingbot-map
lingbot-map
[ECCV 2026 Best Paper Award Candidate] LingBot-Map: Geometric Context Transformer cho tái tạo 3D theo luồng (streaming)
Không kiểm chứng đượcnguồn: GitHubPythonApache-2.0commit 849e690bb086
Python, giấy phép Apache-2.0.
Argusic không làm cho lingbot-map chạy được. Trên một máy sạch không có GPU, một agent của Argusic đã cài đặt nó trong 3,2 phút, gặp 1 lỗi và tự sửa hết mà không cần trợ giúp, và toàn bộ phiên làm việc được ghi lại.
Installs in a venv with CPU PyTorch; core model forward pass and streaming inference run end-to-end on CPU with synthetic data, producing predicted camera poses and depth maps; CUDA-dependent scripts and pre-trained-weight loading are not exercised.
Kết quả agent đạt được trên máy sạch, bằng chính lời của nó. Cách đo
Argusic đo trên một máy mới mỗi lần. Mỗi con số đều link tới bằng chứng của nó. Điểm Argusic 50 trên 100 (trung bình điểm các lần chạy của dự án này).
Tóm tắt
Dữ liệu dự án lấy từ GitHub, có link ở đầu trang, cập nhật . Dữ liệu test của Argusic (CC BY 4.0); mỗi con số đều link tới một trang run có đầy đủ log, bản ghi và mã sha256 của chúng.
Những gì đã đo
Lấy từ lần chạy quyết định kết luận này. Mỗi dòng là một giá trị được ghi lại, không phải ước tính.
Những gì trục trặc, bằng chính lời của agent
Lời của chính agent, lỗi nặng nhất trước, không bao giờ viết lại thành lời khuyên.
- min(scale_frames, S_true) in lingbot_map/aggregator/stream.py lines 340/353 raises RuntimeError when S_true/S_global is a tensor with >1 element0,5 phút
- Thời gian cài đặt
- 3 phút
- Từ máy sạch đến khi xong
- 9 phút
- Lỗi gặp và đã sửa
- gặp 1, tự sửa 1 mà không cần người giúp
- Cách chứng minh kết quả
- pip install -e . succeeded; python3 -c 'from lingbot_map.models.gct_stream import GCTStream; m=GCTStream(); m.forward(torch.randn(1,1,3,112,112), num_frame_for_scale=8, num_frame_per_block=1, causal_inference=True)' returned dict with pose_enc[1,1,9], depth[1,1,112,112,1], depth_conf[1,1,112,112]; m.inference_streaming(torch.randn(10,3,112,112), num_scale_frames=8) returned pose_enc[1,10,9], depth[1,10,112,112,1]
- Số token model đã dùng
- 211.756
- Commit chính xác đã test
- 849e690bb086
- Container image
- sha256:cdd920bce783
Những gì chưa đo
Nửa còn lại, để bạn thấy rõ bằng chứng này đi xa tới đâu. Chỗ trống được ghi là chỗ trống và không bao giờ được lấp vào.
- Bộ nhớ GPU cao nhất
- lần này chạy trên máy CPU, nên không có GPU để đo
- Hoạt động khi chạy lâu
- mỗi lần thử dùng cấu hình nhỏ nhất có trong tài liệu và một khoảng thời gian cố định, nên đây là đo xem nó có chạy hay không, không đo nó chịu tải ra sao
- Nó có hoạt động hay không
- lần chạy này không kiểm chứng gì, nên trang này không khẳng định điều gì cả
Đoạn cuối của bản ghi
Những dòng cuối của phiên terminal đã quyết định kết luận này, đúng như khi được ghi lại.
**Install**: Created a venv, installed PyTorch 2.6.0 (CPU), all deps, and `pip install -e .` succee… **Key bug found and fixed**: `lingbot_map/aggregator/stream.py` line 340 and 353 called `min(scale_… **Verification**: The core model builds (1,156,803,828 params), `.forward()` with a single 112×112 … **Can't run without CUDA**: `gct_profile.py`, `scripts/benchmark_gct_memory.py`, and `benchmark/` e… tokens used 211,756 Now I have all the data. Let me produce the final report. Here's my comprehensive assessment: **Install**: Created a venv, installed PyTorch 2.6.0 (CPU), all deps, and `pip install -e .` succee… **Key bug found and fixed**: `lingbot_map/aggregator/stream.py` line 340 and 353 called `min(scale_… **Verification**: The core model builds (1,156,803,828 params), `.forward()` with a single 112×112 … **Can't run without CUDA**: `gct_profile.py`, `scripts/benchmark_gct_memory.py`, and `benchmark/` e…
Xem lại toàn bộ phiên, mọi lệnh từ máy sạch tới thời điểm này.
Cách test
Một agent, một container, không có người giúp. Agent cài dự án theo đúng cách tài liệu của dự án hướng dẫn, chạy nó, và sửa những gì bị hỏng. Mọi thứ bên dưới được ghi lại đúng như đã diễn ra: phiên terminal, log và commit chính xác. Toàn bộ phương pháp.
Điểm mạnh và giới hạn
Dữ kiện đo được, không phải ý kiến. Cách viết nội dung.
Những gì suôn sẻ
- Cài đặt trong 3,2 phút, nhanh hơn trung vị của 46 dự án tương đương mà Argusic đã đo.
- Tự khắc phục cả 1 lỗi mà không cần người can thiệp, cho thấy các lỗi được ghi trong tài liệu đủ rõ để giải quyết.
- Giấy phép Apache-2.0, theo thông tin từ nơi lưu trữ dự án.
- Đã đo 2 lần, nên kết quả không phải của một lần duy nhất.
Những gì không suôn sẻ, hoặc chưa biết
- Một agent không bị giới hạn thời gian vẫn không làm nó chạy được.
Trong 47 dự án Python mà Argusic đã cài đặt và bấm giờ, lingbot-map đứng thứ 23 về tốc độ đạt trạng thái chạy được, và 28 trên 47 dự án đạt được trạng thái đó.
Lịch sử chạy
| test bởi | lần thử | kết quả | điểm | chi phí USD | thời điểm |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Không chạy | 20,00 | 0,09 | |
| Argusic Runner | 1/3 | Chưa kiểm chứng | 80,00 | 0,05 |
Nhúng badge
Markdown cho README của dự án. Badge link về trang này; điều khoản ở trang điều khoản.
[](https://argusic.com/subject/lingbot-map)Câu hỏi
- lingbot-map có chạy được không?
- Argusic không kiểm chứng được lingbot-map có chạy hay không. Argusic đã cài đặt và khởi chạy nó trên một máy sạch trong 3 phút, gặp 1 lỗi trên đường đi, và ghi lại phiên làm việc.
- Argusic đã test lingbot-map như thế nào?
- Trên một máy mới, dùng một lần, mọi lệnh đều được ghi lại và repo được ghim ở commit 849e690bb086. Có 2 lần thử được ghi lại, và toàn bộ phương pháp nằm ở trang phương pháp.
- Test lingbot-map tốn bao nhiêu?
- Lần chạy đưa ra kết luận này tốn 0,05 USD: chi phí máy và model thật, không phải giá niêm yết theo triệu token. Con số được ghi trên trang của lần chạy đó.
- Cài đặt lingbot-map mất bao lâu?
- 3,2 phút trong lần chạy quyết định kết luận này, từ máy sạch đến trạng thái chạy được. Đó là một lần thử đo được, không phải số trung bình.
- lingbot-map có cần GPU không?
- Không cần để khởi động. Argusic đã đạt trạng thái chạy được trên một máy không có GPU.
- Cài đặt lingbot-map thì gặp lỗi gì?
- 1 lỗi xảy ra trong lần chạy được ghi lại, và 1 lỗi đã được sửa mà không cần người giúp. Từng lỗi, cùng thời gian nó tốn, được liệt kê trên trang này.
- lingbot-map so với các lựa chọn khác thế nào?
- Trong 47 dự án Python mà Argusic đã cài đặt và bấm giờ, lingbot-map đứng thứ 23 về tốc độ đạt trạng thái chạy được, và 28 trên 47 dự án đạt được trạng thái đó.
- Bằng chứng cho lingbot-map ở đâu?
- Cả 2 lần chạy được ghi lại đều nằm trên trang này, mỗi lần link tới log đầy đủ và terminal recording, được lưu kèm dấu vân tay sha256 để không thể bị sửa lén.