NVIDIA 推出 Nemotron 3.5:可提示、可适配的多语种语音模型
Nemotron 3.5 Transcribe 将转写、说话人识别、翻译和音频问答整合到一个开放权重模型中,并配套 Granary v2 数据管线与微调工具。它支持 40 种语言,开发者还可以通过自然语言提示或训练适配专业场景。
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Nemotron 3.5 Transcribe 将转写、说话人识别、翻译和音频问答整合到一个开放权重模型中,并配套 Granary v2 数据管线与微调工具。它支持 40 种语言,开发者还可以通过自然语言提示或训练适配专业场景。
阅读全文RSI Arena探索了一种由AI代理自主完成模型后训练、再依据人类偏好继续改进的流程。实验显示,代理能够训练出可用助手,但偏好提升与基准成绩并不总是同步,安全性也需要持续监测。
阅读全文为长期运行的智能体增加记忆模块,未必比直接检索原始历史更有效。Memory Tax 研究将记忆带来的收益与损失拆开,提醒开发者关注系统的净价值。
阅读全文一项关于推理努力等级的研究发现,更高的推理预算并不能稳定带来更好的单题表现,最高档位的成本甚至可能是最低档位的 42 倍。研究建议让智能体从低成本开始,只有在经过验证的失败后再升级。
阅读全文RynnWorld-Latent以RynnLAM提供的3D基础潜在动作作为跨具身接口,让人类交互视频、机器人示范和仿真数据能够共同训练可控视频世界模型。研究还通过数字遥操作和潜在动作合成生成训练数据,提升机器人策略学习效果。
阅读全文Omni-InteractScope 评估了多模态模型在连续视听流中的主动响应与工具调用能力。结果显示,模型不仅容易错过最佳干预时机,也难以在没有用户提问时主动提醒,并完成跨多个阶段的持续指导。
阅读全文一项基于真实编码代理工作流的回顾性研究显示,模型能生成文本并不等于能可靠完成软件工程任务。工具调用、协议兼容、上下文缓存和独立验证,往往比名义上的模型能力更先成为瓶颈。
阅读全文一个对话代理可以句句通顺、内容大体正确,却始终没有完成用户真正要办的事。DialFork 通过构造“分叉对话”,把这种偏离流程的失误纳入可测量的评估框架。
阅读全文智能体的能力不只取决于基础模型,也取决于工具调用过程中的验证与修订设计。最新研究比较了17种验证方案,发现独立批评者在准确率与成本之间取得了更好的平衡。
阅读全文受限解码常被认为会压缩大模型的推理空间,但这项研究指出,问题并不在于“约束”本身,而在于约束类型以及被移除的输出路径。格式、答案有效性和推理轨迹约束,可能带来完全不同的结果。
阅读全文AgentProofBench 提出了一套面向可复用验证器的 Web 智能体基准,将固定验收规则的测试结果与后续执行表现配对分析。实验显示,验证器在需求层面的正确性,与智能体能否在真实部署状态下完成任务密切相关。
阅读全文CRM-Agent-Bench 将智能体评测从回答是否正确,推进到业务流程是否真正执行成功。该基准覆盖 555 个有状态、多轮任务,并同时考察结果、轨迹、运营成本与政策合规。
阅读全文Δτ-Bench把智能体置于持续变化的工具生态中,测试其发现新路径、修复旧流程和更新程序性知识的能力。结果显示,即使是最强的被测模型或执行框架,任务成功率也只有42.3%。
阅读全文一项基于树莓派 5 的实验,系统检验了离线 RAG 的检索门控、输出校验和知识包签名机制。结果显示,完整性验证能防篡改,却不能证明知识内容真实可靠。
阅读全文EmbodiedLab 将具身智能体的评测从“把东西放到指定位置”推进到“通过物理交互获得未知信息”。智能体需要自行设计实验、操作实验装置,并依据仪器读数完成科学判断。
阅读全文机器人操作视频往往只记录过程,却没有明确的成功标签。RoboJev-27B将任务指令与视频帧结合,尝试以开放权重视觉语言模型充当机器人任务“裁判”。
阅读全文StreamVibe 面向在线视频交互中的“主动协助”问题,尝试让视觉语言模型从连续画面中识别用户未明说的需求,并判断何时介入。论文同时提出基准、流式模型和层级记忆机制,覆盖显式、隐式与动态意图。
阅读全文针对长视频中短暂、稀疏的音频或视觉篡改,AV-FABLE构建了带有独立音频与视觉时间线的评测基准。研究还提出NFSR,证明冻结的多模态模型特征中蕴含取证信号,但需要专门的时序读取器才能有效利用。
阅读全文DynaFlow 将可执行工作流生成纳入主智能体的行动空间,使模型能够根据任务需要决定是否协作,并动态组织子智能体完成串行、并行、验证与迭代。
阅读全文InteractiveWorld 针对物理世界中的人机协作,构建了一个以人为中心、可闭环验证的模拟环境。配套的 InteractiveBench 显示,当前多模态大模型距离成为可靠的实时助手仍有明显差距。
阅读全文Continual Learning Exam(CLE)将大模型评测从一次性任务完成,推进到跨任务、跨阶段的经验积累与能力提升。结果显示,即使是表现最好的系统,也仅完成了不到一半的关卡。
阅读全文