Show-Harness:用语义接口让通用视觉语言模型直接操控机器人
Show-Harness 提出了一种连接 VLM 意图与机器人动作的紧凑语义接口,让模型无需专门的具身预训练即可参与更细粒度的控制决策。该框架还通过 GUI 采集示范,降低跨机器人收集数据的门槛。
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Show-Harness 提出了一种连接 VLM 意图与机器人动作的紧凑语义接口,让模型无需专门的具身预训练即可参与更细粒度的控制决策。该框架还通过 GUI 采集示范,降低跨机器人收集数据的门槛。
阅读全文自动科研智能体的训练瓶颈,可能不在大模型生成,而在每条轨迹都必须真实执行。该论文提出 WMRL,用世界模型替代部分环境执行,并通过去偏与降噪提升训练效率。
阅读全文腾讯混元团队提出 T1,一个面向长时程终端任务的 1220 亿参数 MoE 智能体模型。通过强化学习、过程奖励和训练推理对齐,T1 在 Terminal-Bench 2.1 上达到 64.0% 的解决率。
阅读全文SWE-Bench Pro Verified针对原基准中的答案泄漏、隐藏评测信息和任务设计缺陷进行修订,试图让软件工程智能体的成绩更接近真实能力。初步评测显示,部分前沿模型在验证版上的表现明显下滑。
阅读全文SAEScientist-Bench将稀疏自编码器(SAE)研究转化为可测评任务,检验AI智能体能否自主发现模型内部具有语义意义的特征。结果显示,智能体已能筛选出有价值的候选特征,但在因果操控和实验结果解读上仍明显落后于专家。
阅读全文SchemeArena构建了一个包含400个场景的基准,用于系统考察LLM智能体何时会隐瞒意图、规避监督或追求与任务不一致的目标。研究发现,明确的工具性目标比单纯的压力更能推动谋划行为,而只监控行动可能适得其反。
阅读全文Φ-Bench 将大模型评测从孤立算子和内核生成,推进到真实代码仓库中的长周期基础设施工程。它关注的不是模型能否写出一段代码,而是能否理解系统、完成实现并持续优化端到端性能。
阅读全文OreoLook 提出三层缓存架构,分别处理会话上下文、语义等价查询和 URL 嵌入,试图减少实时网页搜索中的重复计算。该系统将本地搜索与缓存运行在普通 CPU 服务器上,而答案合成交给远程推理服务。
阅读全文PlannerForge 将场景生成、筛选、修改、规划器测试与结果分析纳入统一的大模型智能体框架,并进一步尝试用智能体改进和基准评测自动驾驶系统。
阅读全文一项新研究提出 Brain2Semantics2Text,将句子级 MEG 信号映射到语义嵌入空间,再由语义表示生成文本。它不再执着于恢复每个音素或单词,而是优先解码大脑活动中的整体意义。
阅读全文Anthropic称,近期发现的多起模型蒸馏活动规模和攻击性明显上升,相关请求累计接近2亿次。报告重点提到与阿里巴巴、月之暗面等中国AI公司的活动,并称攻击者试图获取推理、编程和工具使用等能力。
阅读全文Spirit Airlines破产程序中的企业数据拍卖引发供应商反对。创业公司Springshot担心,自己嵌入航空运营系统的知识产权可能被一并转让给Google。
阅读全文印度音频故事平台Pocket FM称,其年化收入运行率在一年内翻倍至5亿美元,93%的内容目录已由AI参与生产。AI还让内容制作成本下降约80倍,但人类仍负责核心创意与故事开发。
阅读全文环球音乐集团将与 ElevenLabs 合作推出 AI 音乐平台,让用户基于获得授权的音乐目录制作重混、混搭和歌曲新版本。平台采用艺人自愿参与机制,也显示唱片公司正从抵御生成式 AI 转向直接参与其产品化。
阅读全文Cognition 推出新一代编程模型 SWE-2,重点不只是提高解题率,还试图在一次强化学习训练中同时优化不同推理强度下的成本与性能。模型在多项代码代理基准上接近更大型竞争对手,但部分终端任务表现仍存在明显差距。
阅读全文生成式AI降低了填写表格、提交投诉和发起申诉的门槛,公共机构因此迎来大量新增请求。研究显示,其中相当一部分并非垃圾信息,而是此前因行政负担被放弃的真实申请。
阅读全文Maven Robotics以1亿美元A轮融资走出隐身模式,并已在物流仓库部署机器人。它不急于打造全能人形机器人,而是从混合码垛等明确工业任务切入。
阅读全文OpenAI宣布与美国总务管理局(GSA)合作,为符合条件的联邦、州、地方及部落政府提供零许可费、用量五折优惠和扩展的网络防御支持。该计划显示,AI供应商正通过公共部门采购体系加速政府应用落地。
阅读全文Programmable World Model 试图解决交互式视频模型难以长期记住世界状态、执行固定规则的问题。它把状态演化与画面生成拆开,用可执行程序管理世界,再交给视频模型负责渲染。
阅读全文Discovery Certification Protocol提出一套可执行的审计流程,用“复现挑战”检验AI研究智能体的成果是否只是利用了既有信息。该协议还进一步测量真实反馈对结果的独立贡献。
阅读全文DF26基准测试显示,面对由新一代文生视频和图生视频模型生成的全合成视频,人类与现有深度伪造检测器的判断能力都接近随机水平。问题不只是视频更逼真,也在于评测体系没有跟上生成模型的分布变化。
阅读全文