В исследовании представлено тестирование AgentSWE, которое оценивает способность кодирующих агентов создавать агентов, соответствующих требованиям пользователей. Исследование показало, что существующие агенты не могут точно выполнить поставленные задачи, поскольку между демонстрацией и реальным результатом существует значительный разрыв.
Этот источник давно не обновлялся. Время замера указано выше.
График появится после повторных замеров. Текущий показатель уже получен из источника.
201 голосов источникаТолько реальные замеры. История до подключения источника не восстанавливается.
Это исследование важно для понимания текущих ограничений в создании агентов, что может помочь в улучшении методов их разработки.
В исследовании рассматривается подход Adversarial Heuristic Learning (AHL), который использует ИИ-агентов для улучшения игровых стратегий при фиксированных весах моделей. Был создан набор данных AAArena, включающий 12 игр и 1920 архивных программ, с оценкой, имитирующей реальные соревнования. Результаты показывают, что агенты могут улучшать свои стратегии, но сталкиваются с трудностями в сложных играх.
5 дней назадDaily PapersВ статье представлена S-Space — линейное подпространство в мультимодальных языковых моделях, где представления объектов кодируют непрерывные пространственные координаты. Показано, что S-Space служит внутренним рабочим пространством для пространственного рассуждения, позволяя точно оценивать пространственные отношения через восприятие, внутренние рассуждения и выборочный доступ через речь, при этом выявляя ограничения в пространственных преобразованиях при смене точки зрения.
4 дня назадDaily PapersВ статье представлен TerminalHorizon — автоматическая система синтеза данных для агентов с долгосрочными целями. Создано 1,5 тыс. сред для задач, и модель Qwen3.5-27B была дообучена на этом наборе данных, что привело к улучшению производительности на различных тестах. Модель показала способность к экспериментам, улучшению методов и сохранению эффективных улучшений в итоговых результатах.
4 дня назадDaily PapersVIS-Ground — это подход, который преобразует разнородный входной контекст в модель выполнимых ограничений для генерации видео, используя структурированное абстрагирование контекста, индукцию ограничений генерации и управляемую генерацию видео. Метод показывает улучшение в сравнении с существующими системами.
6 дней назадDaily PapersTetris3D — это генеративная система восстановления 3D-сцен по одному изображению, обеспечивающая геометрическую и физическую согласованность объектов. Она использует явное условие на геометрию окружающих объектов и их физические отношения, а также физически основанный набор данных ComOb для обучения и оценки.
6 дней назадDaily PapersМногострочные внимательные остатки (MSAR) — это расширение метода AttnRes, которое обобщает механизм внимания на многоголовую глубину, обеспечивая значительные улучшения производительности с минимальными дополнительными затратами. MSAR использует многошкальные причинные свертки для получения разнообразия потоков из последовательности, позволяя разным головкам получать исторические представления через различные контекстные виды.
4 дня назад