有点子了，就去执行……
OmniCapBench：解决多模态模型评测痛点的新框架
你知道现在评测多模态大模型（MLLM）有多挠头吗？要么评分全但找不到具体问题在哪，要么能定位但覆盖不全，用大模型当裁判又容易乱打分。直到OmniCapBench出来——它靠786个精标视频，把评...
SpatialHarness补了GPT-6 Astra精细操作的空间短板
给GPT-6 Astra的插针测试，之前成功率才26.7%，用SpatialHarness一上，直接飙到66.7%——汉诺塔更是从0变100%。这不是游戏，是arXiv cs.RO分类里一篇机器...
给多智能体加个“读心术”：新框架补了协作短板
你可能没注意——现在靠大模型驱动的智能体组队干活，大多是“盲打”状态。普通多智能体的协作硬伤之前的多智能体系统，靠提示词设计、短期记忆或者端到端行为优化推进任务。但核心问题很致命：不会显式建模队...
统一多模态深度研究Agent OneSearch-VL 做对了什么
OneSearch-VL-8B比带工具调用的Qwen3-VL-8B，在两个新的多模态视觉基准上，分别高出20.2和17.6个百分点。同参数级别的模型，差十几个点已经是很明显的能力差距——这不是小...
WOVEN：补上多模态大模型的视觉推理短板
38个顶尖多模态大模型里，没一个能达到人类的视觉推理水平。多模态大模型的集体硬伤多模态大模型（MLLMs）在空间、具象化、物理、时间推理上表现极差。研究人员发现这些失效其实指向同一个核心问题：视...
HRIL用高阶张量抓多模态协同：比现有方法强在哪？
多模态自监督学习已经在好多场景出成果了，但有个死穴：有些任务需要的信号，单看某一个模态根本找不到。比如一张图配一句“猫在追老鼠”，“追”这个动作的核心信号，得同时看猫的身体姿态和老鼠的位置，单拿...
GeoReform如何帮大模型搞定几何题？
Geometry3K数据集上，多模态大模型做几何题的准确率，之前只有42%。换了叫GeoReform的框架后，直接涨到56%。但你知道吗？之前有人试过另一种解法，在200个例子里，改了28个几何...
LLM-BlockFE：长文本转风控特征的轻量新方案
某金融风控团队上线5个应用后，这套新模型把KS指标提升了0.02到1.56个百分点——别小看这个幅度，风控里KS差0.1，可能就把10%的高风险用户漏判，或是误伤8%的低风险客户。旧方案的死穴工...
VFold：让LLM长上下文缓存省内存还不拖速度
LLM跑长上下文时，内存压力常卡脖子。很多人可能没意识到——这压力主要不是来自模型参数，是KV缓存。解码时每一层的KV状态都得存下来，上下文越长，这部分占内存的比例越高。现在的压缩方案，大多踩了...
SparseDecoding：让LLM解码更快还不丢精度的新方法
同样在A100 GPU上跑Llama-3.1-8B的解码任务，用常规剪枝法的速度是1倍，换成SparseDecoding能到1.48倍，生成质量还没降——这是arXiv上一篇新论文给出的实测结果...