全部动态

这个新基准测试了AI在3D世界中寻找异常的能力，结果显示当前模型表现远不如人。

MatLoom用21行代码生成高质量材质，比扩散模型更精准，还能保留材质构造规则。

这篇论文提出了首个联合建模循环和稀疏性的扩展定律，万亿token规模实验显示其能实现2倍参数效率提升。

论文发现复杂约束系统在MLE任务中不如简单编码基线，LLM backbone才是性能主要驱动因素。

清华团队发现大模型多语言遗忘漏洞，新算法COVER在174种语言基准上提升遗忘效果。

NVIDIA新方法让AI智能体犯错后能自我修正，在多个任务上超越13个基线模型。

研究人员发布cua-speedrun基准，解决了CUA评测的可复现性问题，发现了一些反直觉的效率规律。

MIT团队提出MAGIC框架，能利用空间相关性预测未观测区域的障碍物，减少大规模多智能体团队的路径重规划成本。

论文展示了如何用AI智能体自动化电力系统仿真，让工程师从工具操作中解放出来，专注于场景设计和解释。

清华团队推出 ComputerSD，让计算机使用智能体能从实时 GUI 反馈中学习，比传统方法效果更好。

PhantomEnvironments用规则生成虚构环境训练LLM智能体，零成本且效果惊人，还能迁移到真实世界任务。

清华团队提出AED，让AI模型能复用历史动作经验，提升跨任务动作预测能力。

SCB团队用103个数学问题测试了语音系统多轮推理能力，LEGO表现优于GPT-4o Realtime。

MemLife解决了长期视频记忆的检索难题，无需训练或视频访问即可提升性能，还提供了MemOpt优化框架。

UniAE-MoE整合了两种主流音频编码器，通过任务特定数据扩展技术提升跨音频领域理解能力。

MEND方法能检测并修正世界模型中的幻觉，AUROC达0.80，定位准确率0.87，提升预测准确性。

TPAE方法通过细粒度监督提升多模态模型推理能力，在七个基准测试中表现优异。

MIT新研究让机器人在变化环境中预测目标位置，比传统方法更准更快。

DAGent解决了深度研究任务中的规划脆弱性问题，通过条件扩展任务图实现更高效的执行。

Rep2Skill让LLM智能体通过分析自身内部表征来进化技能，比传统文本方法更有效。

这篇论文研究了AI自进化技能在未见任务上的泛化能力，提出了GSO方法，对AI开发者很有参考价值。

MADBench首次系统评估多智能体辩论安全性，发现三个恶意智能体只能影响28.3%的正确答案。

MIT团队分析了VLA模型在视觉故障下的物理失效模式，发现黑屏和冻结会导致不同危险行为，并提出两种缓解方法。

BELIEFRAG解决了RAG中的证据状态碎片化问题，在保持质量的同时大幅减少token使用。

这项研究揭示了ChatGPT在非西方国家的真实使用场景，不同文化背景下的用户需求差异明显。

MoFA研究显示注意力函数选择作为先验，在分布内被掩盖，分布外重新显现，影响模型行为。

论文提出了一种确定性抖动方法，能显著提升量化语言模型在长文本生成中的性能，无需额外计算成本。

TFAF方法无需额外训练就能融合两种说话人分离技术，在AMI和CALLHOME基准上表现更好。

MIT研究证明，在机器人控制任务中，简单的线性记忆机制配合非线性表示学习就足够了，不一定需要复杂的非线性循环动态。

RefCon让智能体通过自优化提取记忆，无需人工标注，在软件工程任务中表现优异。

这篇论文展示了如何用高带宽闪存解决大模型内存瓶颈，能显著提升性能并延长硬件寿命。

MOBA-VL用游戏遥测数据训练，能准确捕捉击杀和目标事件，比现有解说模型更精准。

这篇论文测试了20个开源大模型在文本填充任务上的表现，发现小模型Gemma-2-2B意外击败了多个大模型。