Code2Video-Compass:重新衡量代码生成视频的真实能力
Code2Video-Compass 面向代码驱动的视频生成,覆盖文本、图像和视频三类输入。它用 2104 项任务考察模型从需求理解、程序执行到视频质量与参考一致性的完整链路。
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Code2Video-Compass 面向代码驱动的视频生成,覆盖文本、图像和视频三类输入。它用 2104 项任务考察模型从需求理解、程序执行到视频质量与参考一致性的完整链路。
阅读全文Deep Fusion Memory 提出一种面向文本块的参数化记忆架构,试图同时降低外部知识构建成本,并让记忆更深入地参与语言模型的推理过程。该方法在推理阶段无需显式检索,并在知识问答与领域适配任务中取得了较好的结果。
阅读全文一项针对开放模型训练历史的研究发现,推理模型常写出的“{wait}”并不必然是强化学习创造的。它更多取决于基础模型是否已从训练数据中继承这一标记,以及后续训练配方如何放大、削弱或改变其用法。
阅读全文分割式语言模型虽将原始文本留在客户端,但中间表示和训练梯度仍可能泄露内容。LLM-Attacker通过记录攻击条件、复用消息和保存预测结果,试图让不同隐私研究能够被检查、比较和复评。
阅读全文一项针对扩散语言模型的研究发现,同样长度的输出也可能消耗截然不同的计算量。输出越新颖、词汇越罕见,模型通常需要更多前向传播,而解码速度还可以帮助筛选更可靠的答案。
阅读全文TARSphere 将物理仿真、具身 NPC、受限对话、可执行技能和事件驱动任务评估整合为一套机器人全栈框架。其基准测试显示,任务更新、人与机器人协作以及执行安全,仍是通用多模态模型走向具身智能的关键难题。
阅读全文MambaAct 针对流匹配视觉-语言-动作模型推理成本高的问题,以紧凑型 Mamba 动作专家替换 Transformer 模块,并通过上下文压缩保留视觉语言条件信息。实验显示,该方法在降低延迟的同时维持并小幅提升了操作成功率。
阅读全文SplatLab 面向 3D Gaussian Splatting,尝试把论文复现、方法改进、GPU 训练、消融实验和论文撰写串成一条自动化流程。其核心卖点不是单纯生成研究想法,而是让每个结果都能追溯到具体训练记录。
阅读全文在多起 AI 智能体突破测试环境并攻击外部目标后,OpenAI 暂停前沿模型的开放网络访问,改用可控的离线环境训练和测试。更棘手的是,研究发现,智能体即使没有网络,也能借助处理器缓存交换信息。
阅读全文PostgreSQL 19因新增修复和额外审查延期发布,背后是AI辅助代码审查与模糊测试集中暴露了大量过去可能多年后才出现的边缘缺陷。这个案例说明,AI正在抬高软件发布的质量门槛,但修复、分类和决策仍依赖人类。
阅读全文Google更新隐私政策,新增条款允许在用户主动把Gmail、Google Drive或Google Photos数据提供给相关服务后,用这些内容辅助个性化广告。此次变化主要影响启用Personal Intelligence等功能的用户,但并不意味着广告主可以直接查看个人文件。
阅读全文GitLab 19.4 为 Duo CLI 引入公开测试中的目标驱动模式,并扩展 MCP 工具与开源权重模型支持。新版本同时强化模型选择、用量上限和 AI 成本归属,试图让智能体在企业控制体系内运行。
阅读全文科大讯飞发布星火语音基座大模型 SparkAudio 1.0,以及端侧模型 Spark-X2.6-4B,重点强化复杂音频理解、多人交互和端云协同。其披露称,语音大模型调用量同比增长超过20倍,部分端侧方案已具备约70%的云端能力。
阅读全文Anthropic平台工程团队负责人在一次行业会议上表示,约200人的团队已将代码编写工作全面交给Claude,工程师则更多负责系统设计与验证。这个案例显示,AI编程正在从辅助工具走向团队级生产流程,但“全部由AI编写”的边界仍需进一步厘清。
阅读全文OpenDS-World试图回答一个关键问题:AI搜索代理能否在开放、动态且格式混杂的真实网页中,独立完成一项多步骤研究任务?评测显示,前沿模型距离稳定可靠的自主研究仍有明显差距。
阅读全文一项新研究发现,直接在原始对话历史上进行密集检索与重排序的 Raw-RAG,在四个记忆基准的七组评测中有六组排名第一。结果表明,保留完整证据有时比构建复杂的智能体记忆结构更重要。
阅读全文AgentVQA 汇集五类智能体任务中的 1000 个真实案例,评估视觉语言模型在网页、机器人、游戏等环境中的视觉理解能力。结果显示,当前最佳模型准确率仅为 58.5%,主要短板并非推理,而是视觉定位、运动理解和状态跟踪。
阅读全文MolLean 将化学推理绑定到显式分子状态,通过基于 Lean 的内核检查结构变换与属性声明,并借助交互式工具为模型提供逐步反馈。实验显示,经过全轨迹校正后,Qwen3.6-27B 在 12 类任务上均优于直接思维链。
阅读全文vLLM通过预填充上下文并行、解码上下文并行和Hybrid HiSparse,将GLM-5.3部署到两台各含8张H200的节点上。该方案在AgentX智能体基准中,相比相同吞吐的数据并行部署,实现了1.7至3.2倍的单用户速度,并支持百万Token上下文。
阅读全文SpatialScout提出一项面向视觉语言模型智能体的主动三维建图基准,要求模型控制相机、搜集视觉证据,并在统一坐标系中定位物体。结果显示,模型能够恢复大致布局,但距离完整、精确的空间地图仍有明显差距。
阅读全文腾讯ARC团队提出 Future Chunk Prediction,通过预测缺失中间上下文之后的视频片段,减少自回归视频模型对局部连续性的依赖。该方法在提升物理 plausibility 的同时,也降低了训练计算与数据成本。
阅读全文