「视觉推理能力」共找到 4942 篇相关文章
多模态BUG修复新SOTA：慕尼黑工大GUIRepair登上SWE-bench Multimodal榜单第一
自动化修复软件缺陷是长期目标，多模态问题修复受关注。慕尼黑工业大学团队提出GUIRepair，融合APR与GUI Testing知识，登上SWE - bench Multimodal榜单第一，为多模态软件自动修复开辟新路。
NVIDIA 李柏依：机器人只会「看」还不够，它还得学会「听」| ECCV 2026
本文整理了NVIDIA Research科学家李柏依在ECCV 2026 Workshop的分享，针对机器人训练数据采集壁垒高的问题，介绍了两项解决多模态感知与灵巧操作数据难题的前沿研究。
给Agent加上知识图谱，开源版Palantir
Semantica是LLM、向量库与Agent框架下的语义/上下文层，能把碎片化企业数据变成结构化、可查询的上下文图与知识图谱。介绍了其面向对象、功能、优势、使用方法、架构等内容。
WorkBuddy上线远程控制，国内也有了最丝滑的Agent工作方式。
WorkBuddy更新远程控制功能，因国内直连，体验比Codex还好。其打通PC、App和小程序，实时同步电脑内容。还新增资料库等实用功能，让国内用户有更丝滑的Agent工作方式。
卖Token也不是稳赚不赔！硅基流动招股书来了
硅基流动向港交所提交上市申请，剑指港股「AI Token工厂第一股」。它将异构算力等封装成Token供应服务，2025年营收增653.2%，但亏损也扩大，公有云业务成本压力明显，生意待市场检验。
Anthropic顶级Claude模型被逆向开源，这几个模块借鉴了DeepSeek
22岁开发者逆向开源Anthropic的Claude Mythos Preview模型架构，名为OpenMythos。其核心模块借鉴DeepSeek，采用带混合专家路由机制的循环Transformer，有独特设计和稳定机制，重新框定扩展性争论。
第 3 章 Agent 核心功能技术详解
本章以Claude Code及其生态为主参照，介绍现代Agent平台提供类似‘操作系统’机制，包括命令、记忆等。面向熟悉Python与LLM的开发者，按是什么、解决什么问题等展开，还分析了Agent工程核心挑战。
AI 行业悄悄统一了一件事：Agent Skills 开放标准全解析
Agent Skills 是一套开放标准格式，超 30 家主流 AI 开发工具已采纳。它结构简洁，有精妙的三层加载机制，解决了 AI Agent 上下文窗口问题。与 MCP 解决不同层面问题，生态正快速成型。
Agent失忆怎么办，Anthropic教你做好工作交接
文章指出AI Agent跨上下文窗口执行长任务时易失败，Anthropic用Opus 4.5实验发现，问题根源是交接差。解决办法是让Agent像人类工程师一样留文档、进度和测试，拆分流程，严格规范，提升测试覆盖率。
为什么软件工程治理很重要：降低风险但不拖累速度
Sarah Wells 在哥本哈根 Goto 会议称，软件工程治理助团队决策、支持价值交付。糟糕治理会拖慢进度、增加成本。技术策略和组织技术雷达可辅助决策，还能从 DORA 能力学治理。