
Firefly 从真实 API 调用记录反推 5144 个训练任务 (opens in a new tab)
研究团队先探索 MCP 工具,再用已观察到的响应编写可验证任务,并用缓存和检索增强模拟器支持离线训练。4B 模型在留出测试集的首答通过率从 28.1% 升至 41.5%。
Categories
Practical guides to AI tools, models and related technologies.

研究团队先探索 MCP 工具,再用已观察到的响应编写可验证任务,并用缓存和检索增强模拟器支持离线训练。4B 模型在留出测试集的首答通过率从 28.1% 升至 41.5%。

密歇根大学团队用语言模型提出结构、训练控制器,再将仿真结果整理为设计规则。在 EvoGym 七项冷启动任务中,最终最佳得分均高于标准遗传算法基线。

香港中文大学和微软团队将感知、心理状态推断、回复规划和生成拆分,分别分配训练反馈,并通过声学注意力约束保留语音线索。

文章从句子的信息密度和段落连贯性解释阅读困难,并回顾 Google LearnLM 的易读性与事实保真评估,以及 UIDPO 和篇章结构对齐等研究。

团队利用最近批次的任务与风险数据,预测策略更新后的任务风险。在论文所测的连续控制与 Countdown 后训练中,排序和部分结果改善,风险预测无需额外采样。

文章拆解 RAGFlow 的证据链、导航、引用和有状态检索流程,说明哪些证据可以预先加工、哪些仍需查询原文。相关 Token 节省来自报告所用测试。

团队发布 2B 和 4B 权重及相关代码。在公开 Ref-ZOM 的无目标样本中,4B 返回无目标的比例为 86%,报告还比较了有目标时的定位表现。

MNN-Pocket-0.3B 从结构、词表和推理引擎入手降低端侧开销。团队演示 iPhone 18 Pro 约 350 Token/s 的解码速度,并报告 INT4 文件 173 MB 与不同设备的测试结果。

METR 报告估算,Anthropic 在所用综合指标上的进步速度约为此前的 1.9 倍。研究者估算 AI 辅助占研发加速约 80%,并列出置信区间、内部信息限制与人类研究人员的参与。

Zilliz 作者在同机和相近资源配额下,用约 9.8 万条商品记录比较向量检索、BM25、融合、分组及聚合。结果适用于所用语料、索引和许可证配置,文章附复现实验。

团队将语言和图像分别编码为连续表示,用共享的流匹配目标和分块因果注意力训练 MF-1。在同预算对照中,报告比较了生成质量、视觉理解和混合预训练的迁移效果。

从 RDT-1B 到 Liber-0,文章比较了具身基座的数据来源、操作本体与训练路线。Liber-0 的 60 项真机测试、手套数据对照和示范者多样性实验展示了部分迁移能力,也显示长程任务仍较难。

GameScaling 开放四档规模、八个模型,研究游戏操作能力怎样跨场景迁移。团队用 120 组训练配置比较模型大小、数据时长和游戏多样性,并测试实时交互与陌生游戏的表现。

Zilliz 在 Vector Graph RAG 中先用 Jev 筛选关系,再重排关联的原文片段。在 MuSiQue 和 2Wiki 共 2,000 题的对比中,Jev 1.14 两阶段方案的平均 Recall@5 为 86.61%。

厦门大学与南洋理工大学团队用可逆旋转构造交互任务。在 100 个测试任务中,所测最高模型成功率为 17%,本科生组 400 次运行全部成功。论文还分析了旋转方向、角度和交互历史。

论文用轨迹级保留奖励和跨任务优势归一化,在无旧数据回放的连续视觉任务中评估微调。以 ImageNet-R 的 10 任务设定为例,报告遗忘率由标准 GRPO 的 20.02% 降到 4.69%。

RSI 论文共同牵头作者解释,一年半十倍提速建立在完全自动化和既有回报率等假设之上。访谈还讨论研究选题能力、算力与反馈限制,以及用 AI 辅助监督的研究。

机器之心展示了用参考图生成循环 GIF 和编辑局部的案例,并比较 Flare 与 Sunburst 的定位。文中同时记录了动图接缝跳变,以及单次 API 测试的耗时和成本。

NorthCUA 将任务构造、执行验收与分阶段训练结合。团队报告中,Nano、Mini 和 Pro 在 OSWorld-Verified 上分别达到 78.90%、85.30% 和 88.64%,加速路径也有一定成功率代价。

LoLBench 从29个系统选取100项功能提案,测试28种模型与执行框架组合在大型代码库中的完整交付。无额外指引时最高解决率14%,补充修改文件树与API规范后最佳升至34%;定位和跨模块实现仍是重要瓶颈。
Join the conversation
Read how to join the community. No sign-in is required to read articles.