4B 模型 GroundingPI 在 34 项评测超越 GPT-6 Astra,视觉定位成具身智能新底座

Hugging Face 论文页面 9 月 30 日收录的 GroundingPI,用 4B 参数把点与框统一成量化坐标输出,在 34 个定位基准上平均拿到 73.68%,高于论文对比中更大的 GPT-6 Astra。它试图证明:专门做“看清楚目标在哪”的感知预训练,可能比通用视觉语言骨干更适合机器人和自动驾…

Hugging Face 论文页面 9 月 30 日收录的 GroundingPI,用 4B 参数把点与框统一成量化坐标输出,在 34 个定位基准上平均拿到 73.68%,高于论文对比中更大的 GPT-6 Astra。它试图证明:专门做“看清楚目标在哪”的感知预训练,可能比通用视觉语言骨干更适合机器人和自动驾…

Hugging Face Papers 收录的论文提出 SpatialASM 框架,通过训练时空间模拟,把主动空间想象能力内化到大视觉语言模型中,以改善多视角空间推理。

Hugging Face Papers 收录的论文提出 TerminalHorizon,一个面向长周期终端智能体的自动化数据合成引擎,并用 1.5K 任务环境微调 Qwen3.5-27B 得到 TerminalHorizon-27B,在 12 项基准上报告性能提升。

Hugging Face Papers 上出现一篇论文,提出多流注意力残差(MSAR),把注意力残差从单流扩展为多头深度注意力,在 18B 和 28B MoE 规模下报告了优于标准残差和已有残差变体的结果。

alphaXiv 上公开的一篇论文提出“纠错训练”方法,用一个小型纠错器修正扩散模型自身预测的累积误差,在无引导生成时显著改善 FID,效果接近 CFG,且推理成本可通过蒸馏摊销。

一项基于 JetBrains IDE 中 4782 份真实工程师会话的研究发现,现有 issue 型基准任务与真实任务流差别明显,论文提出 SWE-TaskFlow 让基准向目标场景校准。

一篇来自 Hugging Face Papers 的论文提出用信息熵和 CKA 相似度自动挑选 LLM 的隐藏层组合,用于投机解码,在 EAGLE3 风格实验中优于 [2, N//2, N-3] 等固定默认规则。

Artificial Analysis 发布 AA-3D 基准,用交互式 3D 场景任务评测 AI 模型,发现排名靠前的模型会更早查看自己生成的画面并开始浏览器测试,而这一行为与 Elo 排名高度相关。

alphaXiv 上一篇论文指出,即使显式关闭大模型的思考模式或要求“只给答案”,模型仍经常输出推理过程,作者把这种现象称为“思维惯性”,并认为“不思考”应作为独立能力来评测。

alphaXiv 上挂出的一篇论文提出 Sonic-AMG,尝试让角色在声音还在持续输入时就同步生成动作,而不是等整段空间音频播完再离线生成,目标是解决流式场景下的训练与推理错位问题。