VisSearch-Bench:多模态智能体为何仍难完成长期视觉搜索
VisSearch-Bench 将视觉理解、网页检索和多步推理放进同一套评测中。结果显示,即使配备搜索工具,最佳多模态模型也只完整解决了 26.47% 的任务。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2275 篇文章
RSS 订阅VisSearch-Bench 将视觉理解、网页检索和多步推理放进同一套评测中。结果显示,即使配备搜索工具,最佳多模态模型也只完整解决了 26.47% 的任务。
阅读全文TB-MathModel 将真实数学建模竞赛题放入容器化终端,要求智能体读取材料、编程求解并提交结构化结果。它不只看答案是否接近参考值,还检查结果是否满足可判定的可行性约束。
阅读全文一项针对 Qwen3-30B-A3B 的研究,用稀疏自编码器分析 MoE 层输出,发现专家真正贡献的语义特征比路由选择更集中。专家的职责并非停留在“代码”或“数学”等粗粒度领域,而是进一步分化为 Java、前端、几何、算术等更细的能力方向。
阅读全文清华团队提出Coca-Cola,将工具观察结果压缩为连续潜在标记,并通过“动作保持训练”保留智能体决策所需的信息。在网页搜索问答实验中,该方法显著减少Token消耗和运行时间,同时提升任务表现。
阅读全文一份知识包即使通过数字签名,也只能证明发布者身份,不能证明其中的向量确实由对应文本生成。新研究显示,向量容差、硬件差异和量化压缩都可能给攻击者留下操纵离线 RAG 检索结果的空间。
阅读全文EvoMemState提出一种面向长期记忆的状态中心框架,将事实、事实之间的关系以及当前请求下的使用策略结合起来。它试图解决个人智能体在偏好变化、信息冲突和记忆适用范围判断上的常见问题。
阅读全文英伟达等机构提出 VFlash,通过 Flash Primitive Decoding 一次性预测视觉原语中的多个坐标。该方法在保持空间精度的同时,显著加快了机器人轨迹规划。
阅读全文SwarmEvolve 将 LLM 驱动的程序进化搜索从“反复生成文本”转向潜空间协作。通过 KV cache 传递、隐藏状态去重和自然交叉,它试图以更低成本加速数学发现与科学计算优化。
阅读全文DreamFree提出一种无想象式世界动作模型:不再反复生成未来视频,而是让视觉编码器直接从当前画面预测视频模型的未来表征。该方法在提升控制效果的同时,将一套14B视频骨干推理速度推进到11Hz。
阅读全文OpenFrontiers将12151个开放研究问题与一个可形式化评测的数学问题基准连接起来,试图区分大模型的独立推理、知识回忆与网络检索能力。结果显示,在闭卷条件下,AI对已解决研究问题的“重发现”仍十分少见。
阅读全文一项面向全波形激光雷达的研究,提出基于强度分布的Token剪枝与合并机制,并结合保留物理结构的数据增强,在Ghost-FWL基准上实现超过8倍加速,同时提升F1表现。
阅读全文据报道,OpenAI在新一轮融资中新增筹资110亿美元,估值达到1.25万亿美元。与此同时,竞争对手Anthropic已提交上市申请,OpenAI仍未确定自身IPO时间表。
阅读全文据《纽约时报》报道,中国国家安全部曾招募Megaspeed高管Alice Huang,试图获取美国AI芯片信息并影响英伟达对华供货。相关说法目前仍属于媒体披露的情报指控。
阅读全文据彭博社报道,OpenAI新一轮融资目前已获得约110亿美元承诺,整体交易尚未完成,最终规模可能达到约200亿美元。按目前谈判条件,公司估值约为1.25万亿美元。
阅读全文AI数据中心正在成为科技公司扩张人工智能业务的基础设施,但高耗电、用水、噪声和信息不透明等问题,正引发美国多个社区和政界的反对。随着选民通过选举和地方公投表达不满,企业开始调整与地方政府及居民的沟通方式。
阅读全文安全研究机构Censys发现,超过800个Artex部署在无需密码的情况下可从互联网访问。这些暴露实例可能被滥用,也暴露出攻击基础设施自身同样存在严重配置风险。
阅读全文Meta 正在为 Muse AI 引入 Spaces 功能,用户只需描述需求,就能生成购物中心、学习面板或音乐追踪器等定制化空间。连接外部应用后,这些空间还可持续同步信息,并支持直接编辑和互动。
阅读全文美国中期选举的民主党胜利,可能把数据中心扩张、能源消耗和大型科技监管推到AI产业议程中央。地方选民对数据中心项目表现出的谨慎,也将影响AI基础设施的下一阶段发展。
阅读全文Meta宣布无限期暂停一项备受争议的商业条款更新,不再按原计划要求Facebook商业账号允许其抓取外部链接内容用于AI相关开发。争议焦点集中在 robots.txt、付费墙和内容授权等问题上。
阅读全文Ramp数据显示,企业AI调用量仍在上升,但8月至9月的相关支出几乎停滞。价格下调、模型竞争和更成熟的成本控制,正在削弱投资者对AI收入高速增长的预期。
阅读全文Google推出Gemini Omni 1.2 Flash,支持最长15秒的视频生成,并强化参考图一致性、语音同步和连续镜头控制。新模型还引入多轮对话式编辑,并将720p视频价格降至每秒0.07美元。
阅读全文