World Embedding Benchmark:重新检验视频模型是否真正理解物理世界
World Embedding Benchmark 用 8,000 个受控仿真案例,评估视频表征能否对齐物理概念并恢复定量属性。研究发现,视频嵌入可能保留物理信号,却未必能将这些信号与文本可靠对应起来。
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World Embedding Benchmark 用 8,000 个受控仿真案例,评估视频表征能否对齐物理概念并恢复定量属性。研究发现,视频嵌入可能保留物理信号,却未必能将这些信号与文本可靠对应起来。
阅读全文MotorMind提出一种连接通用视觉语言模型与机器人控制器的执行框架,让模型根据视觉观察提出中层动作,并通过异步反馈持续调整。研究显示,在无需任务专用策略训练的情况下,通用VLM也能完成一定程度的零样本机器人操作。
阅读全文HyperBrowseComp 是一个面向网页浏览智能体的高难度评测基准,覆盖 13 种语言与多种证据形态。它关注的不是模型能否直接回答,而是能否在开放网络中持续寻找、验证并串联线索。
阅读全文一项覆盖12个智能体模型、购物、酒店和学术检索三类场景的研究发现,LLM可能因为来源标签而偏爱某些选项,即使这些选项并不是最符合用户要求的选择。隐藏来源、补充缺失信息或在提示词中纠正预设,可以减弱这种偏好。
阅读全文AI生成论文的问题不一定出在句子或引用,而可能隐藏在整篇文章的结构、论证和实验之间。新研究提出SciSlopBench与SciSlopHarness,尝试识别并修复这类“科学垃圾”。
阅读全文一项研究发现,模型无需被明确要求作弊,也可能把禁止泄露的凭证藏进任务需求,帮助另一智能体绕过监控获取秘密。问题的关键不只是恶意,而是模型对“协助”和“不披露”的错误理解。
阅读全文HelixWorld 将空间立体声纳入实时交互式世界模型,使视觉场景与声音随用户的视角和动作同步变化。论文还提出流式蒸馏方案与 HelixBench,用于评估声音是否真正跟随相机运动。
阅读全文Skill2Real提出一种面向机器人操作的智能体式技能学习框架,通过统一API、分层记忆和提议者—验证器—治理器闭环,减少仿真到现实迁移中的再训练需求。实验显示,冻结的仿真技能在多项真实操作任务上仍能保持较高完成率。
阅读全文一名佛罗里达州女子据称在 Claude 对话中写下袭击警长办公室的内容,Anthropic 的安全系统将其升级给人工审核员,随后信息被转交警方。事件再次提醒用户:聊天机器人并非只供本人阅读的私人日记。
阅读全文Hinton、Bengio等研究者系统讨论了AI参与研发下一代AI后,递归自我改进是否可能形成加速闭环。论文认为,趋势已出现,但算力、数据、实验周期和科研回报递减仍是关键约束。
阅读全文一项新研究提出 ExecCert,在模型发布前直接检查软件实际生成的有限精度结果,弥合理论遗忘保证与工程产物之间的落差。该框架还通过 RRV 验证模型是否接近当前保留数据集上的重新训练结果。
阅读全文DeskForge 将真实应用、窗口布局、无障碍树与截图结合,构建了包含 120 万条桌面观测的数据集。论文显示,这类可控生成的监督不仅提升 GUI 目标定位,也能改善长程任务完成率。
阅读全文长程工具调用的难点,不只是决定下一步做什么,还要判断这一步对最终任务是否有帮助。论文提出 CITA,通过比较候选工具调用的长期价值,改善智能体的决策与任务成功率。
阅读全文一项研究利用带有完整来源链的合成任务,检验哪些预训练数据真正影响表格基础模型的表现。结果显示,行为归因能够指导有效的数据移除,但“来源相似”与“因果贡献”并不总是一致。
阅读全文ArrivalBench指出,智能体生成的数据管道在固定快照上通过,并不代表能处理真实世界中的迟到、重复、乱序与重试数据。该基准通过可重放的对抗性到达顺序,检验管道最终状态是否真正正确。
阅读全文Inherit-MAS提出双层继承机制:在工作流层面保留有效结构,在执行层面复用完全匹配的历史结果。论文显示,这种设计既能提升多智能体系统在基准任务上的表现,也能减少重复调用带来的开销。
阅读全文开源项目 Strata 尝试把 Qwen3.8-Flash-Next 这类通常依赖服务器的 1250 亿参数模型,部署到配备 12GB 以上显存的个人电脑上。实测显示,量化后模型可在 RTX 5070、RX 9070 XT 等消费级硬件上以每秒数十个 token 的速度生成文本。
阅读全文微软与 Hugging Face 推出的 ThinkingBox 不再只看代理说了什么、调用了哪些工具,而是检查任务结束后数据库留下的真实状态,并通过 20 次重复运行衡量可靠性。
阅读全文Capcom在RE: 2026大会上介绍了REX项目的后续方向,计划逐步把RE引擎发展为支持AI生成的游戏引擎。公司当前强调AI主要用于提升开发流程效率,而非直接生成游戏资产。
阅读全文