UrbanGround:让多模态智能体在真实尺度城市中接受空间能力检验
UrbanGround 将香港全域三维地理数据构建为可交互的城市沙盒,用于测试多模态大模型能否把局部视觉理解转化为持续、可靠的导航行动。研究显示,当前模型擅长短距离感知,却难以在长程探索中维持方向感并及时纠错。
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UrbanGround 将香港全域三维地理数据构建为可交互的城市沙盒,用于测试多模态大模型能否把局部视觉理解转化为持续、可靠的导航行动。研究显示,当前模型擅长短距离感知,却难以在长程探索中维持方向感并及时纠错。
阅读全文一项基于固定代码提交版本的审计发现,评测脚本能够定义计算过程,却未必足以支撑与指标绑定的历史性结论。研究对 124 个 Inspect Evals 单元进行盘点,其中 110 个在进入确定性推断前就因证据或语义问题停止。
阅读全文TTPO提出一种无需人工标签的测试时训练方法:把多数投票结果当作弱监督信号,同时区别对待认同与不认同该结果的推理轨迹。研究显示,这种非对称优化能够降低伪标签错误带来的风险。
阅读全文WikiSkill提出将智能体的执行经验、持久化知识库与可执行技能分开管理,并让三者协同演化。研究显示,这种机制不仅能提升多种模型和基准上的表现,还支持技能跨模型迁移。
阅读全文Zero-WAM 将人类操作视频作为机器人策略的上下文提示,使机器人无需更新参数即可尝试训练阶段未出现的操作任务。研究团队还构建了包含 7.42 万组人机配对样本的 HumanGen 数据集,并在仿真测试中验证了方法的跨任务泛化能力。
阅读全文视频生成模型可以拍出看似合理的未来,但这并不意味着它理解了同一条件下可能发生的多种结果。PAWBench 将评测重点从单条视频的 plausibility 推向行为分布是否正确。
阅读全文Procedura 提出一种面向机械与硬表面对象的智能体建模框架:模型不再直接输出一块难以修改的网格,而是编写由命名部件、参数和装配关系组成的程序。该方法还结合编译检查、视觉批评器与仿真验证,生成可编辑、可分解并支持运动的 3D 资产。
阅读全文Luce 提出一种融合几何与 PBR 材质的多模态 Gaussian 表示,并通过统一的材质感知潜空间,从单张图片生成可重光照的 3D 资产。该方法在 Toys4K 上取得了优于现有基线的结果,并能输出可选的纹理网格。
阅读全文一篇新综述用 ACE 框架重新审视 LLM 智能体的数据生成:先保证准确,再校准难度,最后扩大覆盖并减少重复。它试图把分散在不同领域的方法放进同一套分析语言中。
阅读全文CaSKG提出一种面向LLM智能体的技能图谱框架,先用多种信号构建候选关系,再通过反事实文本探针校准技能之间的程序性联系。论文报告称,该方法在ALFWorld和ScienceWorld的多种模型组合中均取得最佳任务成绩。
阅读全文PILOT提出一种监督者—工作者智能体框架,将自我改进从任务结束后的复盘,推进到任务执行过程之中。它既能实时中止或重定向工作者,也能把运行中发现的经验沉淀为可复用技能和记忆。
阅读全文AI云公司Lambda据报获得10亿美元短期私人债务,用于购买英伟达芯片并租赁给微软。连续融资显示,AI基础设施扩张正越来越依赖债务和稳定的大客户合同。
阅读全文Anthropic一项新研究展示了自动化对齐研究员的早期形态:系统能够检索文献、提出训练方法,并在多项失准行为基准上持续改进模型表现。研究同时提醒,自动化效果高度依赖基准是否真正代表现实中的对齐目标。
阅读全文围绕 Hugging Face、Poolside 和 OpenRouter 的多笔大型交易传闻与协议,显示开放权重模型生态正从“免费共享”走向基础设施争夺。芯片厂商、支付公司和云端企业都在试图控制模型分发、推理和开发者入口。
阅读全文美国加州北区联邦法官认定,特朗普政府因 Anthropic 拒绝放宽致命自主武器和大规模监控限制而采取的全面禁用措施,构成违宪报复。法院同时撤销了将 Anthropic 定性为国家安全供应链风险的相关指令。
阅读全文特朗普政府领导下的美国环保署拟取消部分“小型”污染源项目的联邦公众通知和评论要求。环保组织担心,数据中心及其配套电力设施可能在邻近居民不知情的情况下推进。
阅读全文Meta将更新AI眼镜:录制过程中一旦遮挡安全指示灯,摄像头就会停止工作。此举堵住了一个明显绕过方式,却没有消除非自愿拍摄、数据处理和监管审查带来的更大风险。
阅读全文面对超大规模代码变更,LinkedIn 没有简单套用现成 AI 审查工具,而是搭建了一个由多个审查智能体、规则系统和事件驱动架构组成的平台。其重点不只是生成评论,更是控制幻觉、提升信噪比并衡量建议是否真正被采纳。
阅读全文Cloudflare 发布实验性浏览器引擎 Kitesurf,试图以更低的资源开销支持 AI 智能体执行网页截图、HTML 提取等任务。它暂时无法替代 Chromium,但展示了面向智能体重新设计浏览器基础设施的方向。
阅读全文新论文提出,世界模型的扩展不应只依赖更多网络视频,还需要能持续产生可靠奖励信号的数据引擎。游戏引擎提供的碰撞、物理和可导航性检查,或能为空间智能的强化学习后训练补上关键一环。
阅读全文GameWAM 将世界模型与行动策略合并为一个闭环系统,能够根据游戏画面预测未来状态,并生成可执行的键鼠轨迹。它还探索了长时程控制和生成式动作模型中的低频偏置问题。
阅读全文