
UniPat AI开源SWE-Vision:五百行代码打造SOTA视觉智能体! (opens in a new tab)
多模态大模型在代码能力上进步惊人,但在基础视觉任务上却频繁失误。UniPat AI 构建了一个极简的视觉智能体框架 ——SWE-Vision,让模型可以编写并执行 Python 代码来处理和验证自己的视觉判断。在五个主流视觉基准测试中,SWE-Vision 均达到了当前最优水平。
Total 2 articles

多模态大模型在代码能力上进步惊人,但在基础视觉任务上却频繁失误。UniPat AI 构建了一个极简的视觉智能体框架 ——SWE-Vision,让模型可以编写并执行 Python 代码来处理和验证自己的视觉判断。在五个主流视觉基准测试中,SWE-Vision 均达到了当前最优水平。

AI完成任务之后,还能留下什么? 北京航空航天大学、香港中文大学和新加坡国立大学的研究团队最近发布了OmniHarness,给出的路径是:让视觉智能体主动练习、检查结果,再将有效流程留下。 面对下一个需求,AI手里能多一份经过验证的方法。 论文全文:https://arxiv.org/abs/2609.16057 项目主页:https://omniharness.github.io/ 代码与运行说明:https://github.com/OmniHarness/OmniHarness 创意任务解决率95% ComfyBench创意任务中,OmniHarness达到95%,超过表中最佳对照Sym