算法论文8

PyVision：Agentic 视觉推理新突破

深度学习自然语言处理2025-07-12

AI 摘要

论文提出 PyVision 框架，让 MLLM 实时生成 Python 工具。它在 6 类任务中提升性能，最高 +31.1%，不替代模型，放大其优势，还摆脱预定义工具局限，引领多模态推理范式转变。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

可可：Product 让 AI 工作可持续

文章指出 AI 行业误判将‘Agent 完成任务’等同于‘用户完成工作’，存在‘Agent 能力—用户可用性鸿沟’。强调 Product 应承担复杂度，以记忆、流程和界面为基础，让 AI 更好用于普通人的持续工作，还介绍了 Kition 实践。

Pi 核心贡献者 Armin Ronacher 与 Modem 联合创始人 Ben Vinegar 播客对谈指出，当前 AI token 市场不透明，模型公司或失控。如买 token 像买成分不明商品，模型训练目标不明，且 Agent 行为边界在扩展，问责制缺失。

Claude Code的插件系统上线，解决了配置难分享、版本化和审核的问题。它将已有能力标准化，介绍了插件与独立配置选择、上手步骤、可装内容、测试方法、提交市场及从独立配置迁移等内容，还提及其他软件推插件市场。

Anthropic的frontend - design是Claude首个广泛使用设计技能，Impeccable由此起步并扩充功能。它有一次设置流程、23条命令、59条确定性检测规则等，还给出反模式，介绍多种安装方式及使用方法。