AI 新闻中心

AI 新闻中心 过去24小时分析了 189 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。

GlobeBench:评估可扩展环境模拟中的文本世界模型

论文推出 GlobeBench,这是一个包含 1,632 项任务、覆盖五个领域和 19 种模拟技能的基准,用于比较文本世界模型。测试根据智能体的完整行动轨迹,评估模型预测行动如何改变环境状态的能力。在 20 个通用大语言模型和专用世界模型中,GPT-6 Astra 的成功率最高,为 49.57%。当影响需要传递到相关依赖对象时,平均成功率降至 5.1%。共有 631 项任务未能被任何受测模型解决。

Librarian Agents:训练大语言模型构建工作空间,以应对长上下文查询

Librarian Agents 是一种研究框架:在问题提出前,构建代理将非结构化文档整理为由合成文件和引用链接组成的层级工作空间。下游代理利用该空间回答涉及多份文档的问题。研究通过强化学习优化构建策略,以提升下游回答准确率。作者报告称,该方法在 BrowseComp-Plus 上比最强的检索和预计算基线高出 33 个百分点;在 BRIGHT 未见领域的零样本迁移测试中,平均准确率提高 31 个百

OmniXRef:支持多重参考的多模态视频编辑统一框架

OmniXRef 是一个视频编辑框架,可结合文本、图像和视频参考,控制源视频的不同属性。其模型通过扩散 Transformer 联合处理源视频和多模态上下文。研究人员还介绍了通过合成流程构建的数据集,以及用于评估镜头运动、动作、内容、风格和视觉特效迁移的基准测试。研究团队称,评测结果显示该模型优于针对特定任务的基线方法和商业模型。

谷歌四个 Gemini 4 Argon 智能体耗时 27 小时击败《我的世界》末影龙

谷歌研究人员称,四个 Gemini 4 Argon 智能体在随机生成的世界中从头到尾通关《我的世界》,并击败末影龙。据研究团队介绍,智能体只收到最终目标,没有预设策略或人类协助,通过游戏内聊天相互协调。它们分工收集资源并探索世界。整个过程耗时 27 小时,累计死亡 605 次,使用约 13.5 亿个输入 Token,估算成本为 1,620 美元。