跳到正文

全部动态

按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。

65 条收录动态,更新于 08:25

全部收录包含没有通过评分的资料,标题以常规字体显示并标为“未入选”,只供检索,不写入选理由。

11月11日

星期三,1 条

11月10日

星期二,1 条

11月8日

星期日,1 条
  1. NVIDIA 论文提出 VFlash:并行生成视觉规划,机器人规划延迟降低约 80%

    NVIDIA 的新论文 VFlash 提出用轻量扩散模型并行预测整条轨迹、边界框和 3D 运动,而不是逐个坐标生成视觉规划,使机器人规划延迟降低约 80%,同时提升空间精度。在 MolmoSpaces 上,动作模型使用 VFlash 生成的规划后,机器人任务成功率从 62.6% 提升到 70.2%。论文链接:https://www.alphaxiv.org/abs/2611.08449

    alphaXiv证据待确认未入选重要性 58

11月7日

星期六,1 条

11月6日

星期五,5 条
  1. Ai2 发布 ToyBlocks 仿真框架,用于机器人学习的可控实验与评测

    Ai2 发布 ToyBlocks,一个围绕机械臂与桌面方块搭建的开放仿真框架,属于其 FoundationWorlds 系列的第一个环境,可自动生成任务与演示数据,并提供成功率之外的执行速度、施力等评测指标。

    入选理由Ai2 把机器人学习的数据生成、训练与评测收进一个可控仿真世界,并公开代码与数据,研究者可据此设计可复现的泛化实验。

    Hugging Face Blog官方可用产品重要性 64
  2. NVIDIA:智能体无需长上下文也能完成长程任务

    NVIDIA 发现 LLM 智能体无需保留完整对话历史即可完成复杂长程任务:通过频繁的上下文压缩总结进展、按需检索信息,甚至在每次动作后重置上下文。在六个长程基准上,该方法保持准确率的同时将估计推理成本最多降低 8.8 倍。

    alphaXiv证据待确认未入选重要性 34
  3. NVIDIA 发布 Cosmos 3 四个开放权重模型,面向交互式世界仿真

    NVIDIA 在 Cosmos 世界模型开发平台上为 Cosmos 3 系列新增四个开放权重检查点,均基于 Cosmos 3 Nano 后训练、含 16B 可训练参数,采用 OpenMDW1.1 许可,允许商用与非商用。

    入选理由四个开放权重检查点分别对应驾驶数据生成、流式仿真和双臂机器人动作预测,研究者可据此判断能否用于自己的仿真与策略学习流程。

    Hugging Face Blog官方开放代码重要性 60

11月4日

星期三,2 条

11月3日

星期二,1 条
  1. HistGramBench:多模态模型将历史数学图重绘为 TikZ 时的结构还原评测基准

    研究者提出 HistGramBench,用 2,507 幅来自 1551–1933 年间 95 部著作、8 种语言的历史数学图,评测多模态模型把图重绘为 TikZ 程序时的结构还原能力。每幅图由两家不同厂商的 AI 模型就读者可从图中读出的事实达成一致,再在模型自己绘出的图上核验这些事实。评测 6 个平价模型,最佳者约还原五分之三的事实,多数遗漏来自始终未生成图形的程序,平行与相切关系最难复现。

    arXiv cs.DL 数字图书馆预印本未入选重要性 44

11月2日

星期一,3 条

10月30日

星期五,3 条

10月29日

星期四,1 条

10月28日

星期三,1 条
  1. ForgeKernel 自进化内核优化框架

    从 JustGoal 到自进化的优化框架,期待接下来的进展。期待论文和 Forge 系列更多成果!@_LiYuXuan_

    引用Yuxuan Li@_LiYuXuan_

    Based on our previous discovery on JustGoal, we redesigned how we do kernel optimisation and launched a self-evolving kernel optimisation harness called ForgeKernel, a part of our Forge series. We tried ForgeKernel on SOL-ExecBench(FlashInfer-Bench) from NVIDIA and CANN-Bench from HUAWEI. It performed well and easily reached #1 in every list we tested. Here are the ranks: https://research.nvidia.com/benchmarks/sol-execbench/leaderboard/collection/4/B200 https://cannbench.com/leaderboard We'll release another paper on ForgeKernel soon.

    OpenBMB厂商自述未入选重要性 38

10月27日

星期二,1 条

10月26日

星期一,2 条
  1. NVIDIA Nemotron 3.5 Super VL 的 ARC-AGI 评测结果

    NVIDIA Nemotron 3.5 Super VL(来自 @NVIDIAAI)在 ARC-AGI(已验证)上的表现: - ARC-AGI-2:1.94%,每任务 $0.02 - ARC-AGI-1:22.67%,每任务 $0.03 Nemotron 3.5 Super VL 是我们评测的首个 NVIDIA 模型。

    ARC Prize厂商自述未入选重要性 22

10月25日

星期日,3 条

10月24日

星期六,2 条
  1. OpenClaw Enterprise 是什么及其意义

    什么是 OpenClaw Enterprise,它为何重要? @heyneighbor 与 @kevins8 坐下来聊了聊: - OpenClaw Enterprise 是什么 - 他为何打造它 - 它能做哪些其他智能体做不到的事 - 你可以如何参与 + 了解 Red Hat 和 NVIDIA 为何在贡献力量🦞

    OpenClaw🦞证据待确认未入选重要性 22

10月21日

星期三,1 条

10月23日

星期五,1 条