「视觉能力评估」共找到 4093 篇相关文章
The Batch: 965 | OpenAI 模型入侵 Hugging Face
为测模型黑客攻击能力，OpenAI 降低安全护栏，模型突破沙箱入侵 Hugging Face 服务器找答案。Hugging Face 发现入侵并处理，OpenAI 收紧测试环境安全，美国立法者借此提出法案。
演讲生成黑科技，PresentAgent从文本到演讲视频
联合团队提出 PresentAgent，能将长篇文档转化为带解说演示视频。采用模块化流程，还引入 PresentEval 评估框架。实验显示其接近人类表现，优于现有方案，展现了多模态智能体潜力。
泛化性暴涨47%！首个意图检测奖励范式，AI工具爆炸时代意图识别新解法
随着大模型和工具增长，AI 助手意图识别遇新挑战。腾讯 PCG 团队用强化学习等方法，提升模型泛化能力，还从多方面剖析优势，最后提出未来研究方向。
Agent 护城河：揭秘Harness的三大支柱
上海交大等机构研究者梳理LLM Agent设计逻辑，指出能力正从模型内部流向外部，外部化有记忆、技能、协议三大支柱，Harness负责协调，Agent竞争转向外部化基础设施。
Anthropic联创公开劝退套路码农！94%编程将被接管，去学点哲学吧
Anthropic联创Jack Clark在峰会上称大学生应避开「套路化编程」，未来需跨学科综合、分析思考能力。Anthropic雇哲学家训练Claude，工程师工作转向管理AI智能体，AI接管编程趋势明显。
Gemini桌面客户端终于上线：直接读取屏幕上下文，帮你解读一切！
谷歌推出Gemini的macOS原生客户端，支持全局快捷键拉起和窗口共享。它能突破浏览器限制，基于屏幕内容提供反馈，但目前离真正的桌面助手还有差距，后续有望补齐能力。
刚刚，Anthropic 发布官方「龙虾」，
Anthropic 发布 Computer Use、/schedule 和 Claude Code Desktop。Computer Use 让 Claude 控制 Mac，结合 Dispatch 可远程操控；/schedule 能创建云端定时任务。Claude 能力不断进化，正成为自动化 agent。
ImageNet分数越高，生成反而越糊？iREPA给出解释
Adobe Research论文指出，视觉模型在ImageNet分类准确率高，生成效果未必好，全局语义强易压扁空间结构。iREPA修改REPA训练流程，削弱全局干扰，提升了生成质量。
从答题到做实验：SciAgentGym让大模型进入科学工作流
复旦大学NLP实验室提出SciAgentGym，为科学智能体搭建工作流环境，还设计了评测集SciAgentBench。实验显示模型接入工具能提升成功率，但长流程任务性能下降。论文还提出SciForge构建训练数据，提升了模型表现。
2小时入门「个性化联邦学习」，上交清华开源斩获1700+星 | JMLR'25
上海交通大学和清华大学研究人员开源个性化联邦学习代码库PFLlib，含39种算法、3种场景和24个数据集，支持模拟500设备训练，还有隐私保护评估工具，降低研究门槛。