让AI组成研究团队:用多学科协作探索线性注意力架构
一项来自加州大学圣塔芭芭拉分校的研究,尝试让多个具备不同研究背景的持久化AI代理协作发现新的线性注意力架构。结果显示,研究者多样性、私有记忆与自适应实验分配,可能同样重要。
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 2320 篇文章
RSS 订阅一项来自加州大学圣塔芭芭拉分校的研究,尝试让多个具备不同研究背景的持久化AI代理协作发现新的线性注意力架构。结果显示,研究者多样性、私有记忆与自适应实验分配,可能同样重要。
阅读全文StreamEval 发布了一套面向交互式流式视频生成的统一评测基准,覆盖数字人、世界生成与视频编辑等五类任务。评测显示,模型能生成高质量画面,并不意味着它能可靠执行持续到来的用户指令。
阅读全文Ropedia W0尝试用人类与机器人第一视角数据,训练一个同时理解移动和操作的具身世界基础模型。其关键在于用相机位姿与投影骨架建立跨身体形态的统一表示。
阅读全文Matrix-Game 4.0 试图把视频生成模型接入真正的游戏执行框架:引擎负责状态与规则,模型负责将低多边形场景转化为连续的高质量画面。论文报告称,该系统可在单张 RTX 5090 上实现 480p、60 FPS 的交互式体验。
阅读全文研究团队提出Video-Point Model(VPM),让世界模型同时预测未来视频和场景点的三维运动轨迹。通过把跨摄像机一致的点轨迹纳入训练,模型试图解决多视角预测中的几何不一致问题,并进一步服务于机器人控制。
阅读全文Agent S4提出,电脑使用智能体的瓶颈不只在模型能力,也在于人类预先设计的操作接口。它通过任务轨迹和群体进化,自动构建并筛选更适合智能体的接口与使用知识。
阅读全文Specter 将量化草稿模型、多步推测解码与专家卸载结合起来,提前预测后续推理所需的 MoE 专家,从而把部分数据搬运工作移出关键路径。在单请求、单 GPU 场景下,论文报告其平均 TPOT 提升 1.50 倍,最高达到 1.88 倍。
阅读全文Épi 是一个面向自主研究的智能体系统,能够保存研究历史、跨会话运行实验,并通过分支探索与独立复核不断改进方法。论文报告称,它在数学数值界、构造问题和算法编程任务上取得了多项结果。
阅读全文EdgeKernelBench针对边缘硬件异构、软件栈碎片化和资源受限等问题,建立统一中间表示与分层评测体系。实验显示,代码“能运行”与“跑得快”之间仍存在明显鸿沟,LEKA则通过分层优化显著提升了高性能内核生成率。
阅读全文视频生成模型已经能够产出视觉上颇具吸引力的画面,但“看起来像真的”并不等于遵守物理规律。PVBench尝试用对象级测量,系统评估生成视频中的几何、运动、材质与力学合理性。
阅读全文DecisionPivot 是一个面向 LLM 决策模型的诊断基准,重点考察模型在受控变化下是否能稳定做出正确判断,以及置信度是否可靠。评测结果显示,接近的总体分数可能对应截然不同的对比组表现。
阅读全文《Correction Training for Diffusion Models》提出一种独立的纠正器训练框架,用于缓解扩散模型训练与推理之间的输入分布偏差。实验显示,该方法在DiT、SiT和JiT上提升了无引导生成质量,同时较好保留样本多样性。
阅读全文FlowState 不再要求智能体反复加载完整对话历史,而是保存带语义类型的执行状态,并在需要时逐步调取相关状态与原始证据。实验显示,这种机制在降低 token 消耗的同时,也提升了长程任务表现。
阅读全文Lean 能证明生成的声明语法和类型正确,却无法保证它表达了用户原本想说的定理。新研究在没有标准 Lean 答案的情况下评估语义忠实度,发现编译通过率显著高估了自动形式化质量。
阅读全文λ₀项目发布了HumanVerse数据集,并提出一套将第一视角人类行为迁移到人形机器人的流程。研究显示,扩大与机器人动作对齐的全身人类数据,有助于提升复杂移动操作能力。
阅读全文面对截图、音频、视频、交互历史和设备状态等持续涌入的信息,GUI 智能体并非知道得越多越好。FocusGUI 通过轻量级适配器动态筛选当前决策最相关的证据,在不微调主干模型的情况下改善动作预测。
阅读全文MMEnterprise-Bench 将企业协作中不断更新、彼此冲突的文本与视觉记录,转化为对多模态智能体的系统测试。结果显示,找全证据并不等于能够正确回答,识别无法确定的情况同样关键。
阅读全文MemT-1.0尝试把记忆机制直接纳入模型计算,而不是仅依赖上下文窗口或外部检索。论文显示,该模型在记忆任务和智能体任务上具备竞争力,同时降低长历史推理的速度与存储成本。
阅读全文长程智能体常能完成单个步骤,却因证据、决策与最终产物之间缺乏关联而交付不完整结果。Interlock 通过“任务完成图”统一任务生成、环境构建与结果评估,并用验证后的轨迹改进智能体训练。
阅读全文RoboValue 提出一个覆盖仿真与真实场景的机器人价值模型评测基准,从任务状态、时间进展、失败恢复和价值一致性四个维度检查模型反馈是否可靠。
阅读全文