EngiWorld:工程智能体距离端到端自动化还有多远?
EngiWorld 将 CAD、CAE、CAM、BIM、EDA 和 3D 可视化纳入同一套工程智能体基准。七个前沿模型的测试显示,模型能够操作软件并不等于能够交付合格的工程成果。
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EngiWorld 将 CAD、CAE、CAM、BIM、EDA 和 3D 可视化纳入同一套工程智能体基准。七个前沿模型的测试显示,模型能够操作软件并不等于能够交付合格的工程成果。
阅读全文APM-Bench 将流式视频助手的记忆问题从单段连续视频扩展到跨时段、多会话的生活轨迹,重点考察模型能否长期保存、检索并正确使用过往视觉证据。
阅读全文首尔大学团队提出AnisoWM,通过可学习的非各向同性表示几何,让潜空间中的距离更贴近任务目标。在四个视觉控制环境中,该方法均取得高于LeWorldModel的规划成功率。
阅读全文Omni-Decision 将全模态智能体的对话历史改造成结构化“证据账本”,让系统持续追踪已知、缺失与冲突信息。论文认为,复杂多模态任务的关键瓶颈可能不在感知,而在规划。
阅读全文ReImaGin提出将图像生成模型接入多模态大语言模型,把视觉内容的生成与变换纳入推理过程。摘要显示,该方法在六类视觉推理任务中优于文本推理和专用视觉工具基线,最高提升达25%。
阅读全文一项系统研究考察了在线策略蒸馏在不同模型规模与能力组合下的迁移规律。结果显示,小型强化学习专家不仅能帮助更大模型提升推理能力,学生模型还可能超过教师本身的得分。
阅读全文LEGO-Anything提出了一种“图像到代码”的3D重建路径:智能体通过编写和执行Blender代码,逐步搭建可检查、可修改、可查询的场景程序。配套的LEGO-Bench与LEGO-Plugin,则分别用于衡量重建质量和改善迭代过程。
阅读全文EVO-WAM提出一套“生成—验证—改进”闭环,让世界动作模型利用自身生成的视频与动作轨迹适应新任务,无需额外收集专家示范或在外部环境中逐一执行候选动作。
阅读全文一项新研究发现,伪造的聊天模板标记即使解码成完全相同的文本,也可能因被编码为保留控制令牌而获得更强的“指令权威”。问题的关键不只在可见字符,还在分词器选择的令牌及其嵌入表示。
阅读全文长视频问答的难点不只是找到相关片段,还要确认片段中的物体是否是同一个实体。Amazon Science提出GEB,通过视觉身份关联,把跨越数小时甚至数天的观察组织成可检索的实体传记。
阅读全文Raven提出“工作台的工作台”架构,让系统能够针对模型和领域自动构建、改进并组合专用智能体工作台。它试图将长周期、跨领域任务从单一智能体能力,推进到模块化协作能力。
阅读全文VoxMem 对大型音频语言模型的多会话记忆能力进行系统评测。结果显示,模型对“说了什么”的记忆明显强于对说话人、语气以及背景声音的记忆。
阅读全文RLVR训练常因有限采样预算遇到“全错组”,无法产生有效的策略梯度信号。KAIST AI提出GRAFT,在控制离策略偏差的同时,让模型利用其他模型已经发现的成功或失败轨迹。
阅读全文伯克利团队提出OmniTaskonomy,系统研究图像到图像生成任务能否提升图像到文本理解能力。研究显示,生成监督确实可以迁移到理解任务,但收益取决于任务之间的对应关系与梯度协同性。
阅读全文LongCat-DeepResearch 将增强版 LongCat 模型与多智能体工作流结合,用规划、并行调查和分段修订生成有证据支撑的研究报告。其在多个研究型基准上取得较强成绩,但实验也显示,更多规划并不必然带来更好结果。
阅读全文HybridCUA 提出一种融合图形界面与命令行的计算机使用代理训练方法,试图兼顾 GUI 的通用性和 CLI 的执行效率。其 9B 模型在 OSWorld 上达到 53.6% 的准确率,较基线提升 14.8 个百分点。
阅读全文蚂蚁集团团队提出 Marathoner,试图解决智能体在复杂任务中难以持续推进、容易在后期失效的问题。该方法通过任务合成、拒绝采样微调和强化学习,训练模型完成持续数小时、调用上千次工具的长程任务。
阅读全文香港科技大学团队提出 WorldLine,一种面向机器人操作的动作驱动视觉模拟器。它将通用的机器人—物体动力学学习与不同机械臂的动作控制对齐分开处理,试图降低真实机器人试错成本。
阅读全文Meta 团队提出 Context Language Models,将上下文视为模型可直接读写的文件,而不是由外部框架替模型决定保留什么。摘要显示,这种设计在多项长程任务中兼顾了更高表现与更低计算开销。
阅读全文一项新研究从偏差—方差角度解释共享投影与双投影的选择:数据较少时,共享结构更稳健;数据充足或查询与文档空间差异明显时,双投影更有潜力。研究还提出了用于自动选型的 CARS 方法。
阅读全文