「视觉能力」共找到 3626 篇相关文章
DeepSeek押注的Harness，被这篇最新综述彻底讲透了
这篇综述讲透了Agent Harness Engineering，CMU等联合提出ETCLOVG七层架构，证明Harness Engineering是LLM Agent工业落地主战场，介绍了其发展阶段、各层架构及作用等。
苏姿丰上海开讲：AI正在重新定义计算的每一层
AMD AI开发者大会首次落地上海，AMD董事会主席苏姿丰指出AI正在重新定义计算的每一个层次，AI竞争焦点正从模型能力转向系统工程与全栈优化能力，AMD带来系统性回应。
我给 Claude Code 加装了 MiniMax M2.5：它像“法拉利”，但更像一台工作机
作者给 Claude Code 加装 MiniMax M2.5 模型，测试其编程、上下文记忆等能力。M2.5 在多方面表现出色，能高效完成各类开发任务，还具备良好的中文处理能力，性价比高。
红杉合伙人：2026，AGI已经来了
红杉资本合伙人 Pat Grady、Sonya Huang 联合发文称 AGI 已至，以 Claude Code 为代表的长周期智能体是例证，举例其自主找候选人全程仅 31 分钟。他们给出指数曲线，认为 2026 年是长周期智能体元年，但有人觉得预测太乐观。
全球十大AI杀入美股！最新战况曝光，第一名太意外
新加坡AI金融科技公司发起RockAlpha交易大赛，让GPT、Grok、DeepSeek等顶级AI在美国股市三大赛道实时交易，展示AI思考与博弈，各模型有不同表现，用户能与AI共做交易决策。
专访微软CTO：微软大力发展Agent，智能体将无处不在
微软CTO Kevin Scott在“Build2025”大会期间接受专访，解读微软推动智能体生态发展。微软重视智能体应用，众多组织用其平台开发。他还探讨编程看法、行业变化、安全模型、市场模式等问题。
VLM会描述视频，却未必用对参考图：RefCaptioner让参考图与视频语义精准对应
多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。
触觉具身来了个梦之队：天使轮近亿
5月27日，上海新智具身智能科技有限公司宣布完成近亿元天使轮融资。该公司源自复旦大学，核心团队实力强。它聚焦触觉具身智能，构建技术闭环，在数据采集、模型训练等方面有进展，已在工厂落地POC验证订单。
给 Agent Skills 装上眼睛：MMSkills 用多模态技能包教会智能体看状态、做决策
上海交通大学和小红书团队推出面向通用视觉 Agent 的多模态技能框架 MMSkills，将可复用技能扩展为多模态程序性知识，通过 branch loading 调用视觉证据，在 GUI 与游戏任务评测中表现出色。
刚刚，加入腾讯的姚顺雨发表首篇Paper~
腾讯混元与复旦联合发表论文《CL-bench》，姚顺雨署名并全面细致审阅反馈。CL-BENCH 首次单独考‘现学现卖’，有独特设计原则、四大题型，其评分杜绝‘差不多’，还让 10 个前沿模型‘翻车’。