把真实的Bug修复倒过来用,这篇论文让AI学会了"制造麻烦"
论文提出SWE-at-Scale,通过反转真实软件修复记录训练AI学习bug产生机制,批量合成多样化、高真实感的软件工程任务,采样200次多样性仍不饱和,生成任务难度媲美专家设计基准,为coding agent评测提供可...
论文提出SWE-at-Scale,通过反转真实软件修复记录训练AI学习bug产生机制,批量合成多样化、高真实感的软件工程任务,采样200次多样性仍不饱和,生成任务难度媲美专家设计基准,为coding agent评测提供可...
论文研究发现,自动驾驶模型对齐视觉基础模型能提升驾驶表现,但效果因模型目标和辅助监督而异。团队据此打造ViRA-Diffusion,在NAVSIM v2测试中取得92.3分,超越现有方法。
自动驾驶模型学规划时,没走过的路缺视频监督。SimVTA用3D高斯溅射重建场景渲染候选轨迹视频,结合GRPO强化学习,让NAVSIM v1得分从86.2提升到91.3,显著提升规划准确度。
这篇论文提出Intern-Decision,一套0.8B至4B的多模态决策模型,用自回归掩码建模一次前向传播完成多字段选择,速度比Jev快2.5倍以上,七项基准平均准确率90.02%,并探索了置信度校准与模型分诊机制。
SCOPE是一种让AI学会按语义分段优化文生图提示词的新方法,解决了传统GRPO训练中语义信息被平均打散的问题,在三大图像生成模型上相比传统方法平均提升近10%的组合准确率。
论文揭示AI智能体独自做模型训练数据优化时会陷入单一策略;提出AutoSFT多智能体系统,拆分执行、分析、合成三类角色协同工作,在指令遵循和代码生成任务上均显著提升效果,验证了结构设计比单一能力更重要。
Hugging Face 的 Thomas Wolf 与 ServiceNow 的 Amanda Grady 在 NVIDIA AI Podcast 中讨论了为何开放式开发对 AI 安全至关重要:安全不能靠隐蔽维持,公开...
First Person Labs联合创始人Ken Liu在a16z播客上首次公开谈论Second——一个随身携带的个人context层,让用户的偏好、关系与数字痕迹可以在不同AI agent间自由流转。节目探讨了它如何...
Ramp联合创始人兼CEO Eric Glyman在YC节目《How to Build the Future》中回顾了从退税自动化应用Paribus到被Capital One收购,再到创办Ramp的创业历程,揭示信用卡行...
CALON是一个0.6B参数的统一编码器模型,用空类机制和强化学习式奖励统一处理实体、关系、事件三类抽取任务,在40个基准上超越多个参数量更大的基线模型,同时具备更快推理速度和更好的概率校准效果。
RepForcing提出用冻结视频扩散模型的内部特征监督训练,替代传统ODE轨迹蒸馏,解决自回归视频生成模型在四步少步采样下的模糊与细节丢失问题,显著提升VBench和VisionReward评分。
MaLoW提出把流式视频的历史信息内化为动态LoRA权重而非塞进输入窗口,在OVO-Bench等基准上大幅提升记忆类任务表现,延迟仅增加约15%,并成功推广至机器人动作预测场景。
微软推出MAI Code 2及MAI Code 2 Flash两款编程模型,现已上线GitHub Copilot。MAI Code 2以GPT-6.1 Sol 40%的成本达到其98%的性能,MAI Code 2 Fla...
大疆发布Matrice 4E和4T系列无人机新固件,版本号升至19.01.00.07,同时更新遥控器、扬声器、探照灯等配套设备固件,涉及各地监管合规要求调整及常规漏洞修复。
芯片EDA领域探讨AI智能体能否实现"设计左移",专家指出跨工具协作缺乏统一方法论,三十年工程经验难以被AI捕获,企业设计数据高度封闭,且高昂的Token成本可能使只有大型企业才能负担全流程AI代理编排。
一位工程师分享了用AI辅助重写工业嵌入式系统六个月的经验:AI在脚本编写、日志分析和文档整理方面表现良好,但在硬件行为判断、架构分层和实时控制等领域频繁基于错误假设生成大量代码,验证和纠错所花费的精力远超代码生成速度带来...
谷歌DeepMind让四个通用编程AI智能体在无人指导下合作打穿《我的世界》,27小时内写下2783个程序、死亡605次,自发分工、共享笔记、互相救援,最终击败末影龙,揭示长时程多智能体协作的真实样貌。
字节跳动团队让四个AI智能体在104小时内自主完成大模型后训练,从零基础训练出媲美官方指令版本的通用模型,揭示AI自主科研的真实能力与局限。
TIMERSI是一套自我改进的时序预测部署系统,用AI编程agent围绕冻结的基础模型反复修改输入输出流程,并根据历史误差反馈迭代优化,在198个真实预测任务上全面超越现有方法。