AI资讯新闻榜单内容搜索-视觉

关键词: AI新闻,Tadpole,模型训练,人工智能

过去几年，“基础模型” 已经彻底改变了自然语言处理和计算机视觉。一个很自然的问题随之出现： 物理世界是否也能拥有类似的基础模型？

关键词: AI新闻,模型训练,CodeActionBench,人工智能

从视觉观察到策略生成，再到物理执行与完成判断，CodeActionBench 在统一条件下评测通用多模态 Agent 的机器人操作能力。在双臂仿真评测中，GPT-6 Astra (Codex CLI) 的尝试成功率达到 73.3%，Claude Opus 5 在 Reference harness 和 Claude Code 下分别取得 49.3% 和 45.3%。

关键词: AI新闻,discrete diffusion vision-language models,dVLM,模型训练

视觉语言模型已经进入办公助手、内容审核、机器人和智能终端等场景。

关键词: AI新闻,谷歌EG 2模型,Milvus,多模态embedding

传统多模态检索，往往要维护多套embedding模型。文本用一套 embedding，图片用一套视觉模型，音频再单独接一条链路。

关键词: AI新闻,vLLM,vLLM Semantic Router,开源多模态决策模型,Decision 3.0

vLLM Semantic Router推出并开源Decision 3.0系列多模态决策模型，覆盖0.6B至27B六款模型，其中d3在Jev Decision Index 0.3.1文本榜和视觉榜均排名第一。

关键词: AI新闻,MGFlow,Elastic Forcing,样本分布训练,模型训练

对着屏幕说一句 “向左转”，画面随即展开新的视野；调整角色的动作，场景紧接着给出反馈。多模态交互要求视觉生成跟上人的操作，而漫长的等待会打断整个体验。

关键词: AI新闻,多模态Harness,VISTA,何恺明

多模态模型的视觉原生Harness，来了！

关键词: AI新闻,具身智能,TouchScale,人工智能

拿起一枚生鸡蛋，手指需要施加恰到好处的力：既要防止滑落，又不能捏碎。拧一条湿毛巾，指尖的力道也要随着水分挤出不断调整。对人类而言，这些操作几乎出于本能。但如果只依赖视觉，摄像头拍得下手部轨迹，却捕捉不到手指接触的位置与按压的力度。

关键词: AI新闻,Claude,ARC-AGI-3,AI打游戏

何恺明团队提出VISTA方法，将ARC-AGI-3的数字表换回图像并配备可随时翻看的视觉记忆相册，使Claude Opus 5拿下满分100分、GPT-5.6 Sol获得99分，证明卡住大模型的是眼睛和记性而非模型能力本身。

关键词: AI新闻,AI助手,Muse,人工智能

Meta个人智能体Muse爆火后，沈俊潇创办的Memories.ai押注视觉记忆赛道，其视觉模型栈已在高通骁龙平台实现手机、PC与智能眼镜的端侧持续感知，并与英伟达达成合作，成为芯片厂商卡位生态的重要伙伴。