金融智能体首次在开放世界受考:150次会话无一通过,用户点头的35次全被程序判错
FinCosmos把金融智能体评测中的用户意图、数据来源和时间边界同时打开:模拟投资者只按提问透露隐藏策略,智能体须自行从网络取数并在数据截止日前完成回测,评分由程序核验交付物而非比对参考答案。四个编码智能体与一个无工具模型共150次会话无一被接受,其中模拟用户表示满意的35次全部至少触发一项程序否决。
FinCosmos把金融智能体评测中的用户意图、数据来源和时间边界同时打开:模拟投资者只按提问透露隐藏策略,智能体须自行从网络取数并在数据截止日前完成回测,评分由程序核验交付物而非比对参考答案。四个编码智能体与一个无工具模型共150次会话无一被接受,其中模拟用户表示满意的35次全部至少触发一项程序否决。
少步数文生图要在极少采样次数里把提示中的细节画准,而分布匹配蒸馏(DMD)依赖学习到的分数差,统计量未必对齐。Intrinsic Distribution Matching 在保留完整 DMD 修正的同时,用生成器指数滑动平均副本的特征均值与逐坐标标准差加了一项矩约束,不需要外部特征编码器。在 Z-Image-Turbo 6B 上两次网络评估时,中文与英文 LongText-Bench 分别达到 94.25% 和 90.20%,为所比较方法中该预算下的最高分。
在160个分类和81个回归数据集上,表格基础模型的排名会随基准与指标改变,回归模型虽已接近名义边际覆盖率,但最差子群覆盖仍偏低,说明选型不能只看聚合预测精度。
TiCO把“看图思考”中的坐标回归换成探针令牌在视觉词元上的相似度采样,在HR-Bench 4K上取得78.0%总体准确率,同时每查询只生成6.2个词元。
QRAFT把事实核查文章写作拆成证据整理、成稿与模拟编辑审稿的多智能体流程,在1227条样本上自动指标优于既有文本生成方法,但专业核查员评分仍明显低于专家手写文章。
AutoSynth 将 MIDI 演奏事件、固定合成器参数与可变长度调制路由序列化为统一序列,用音频条件自回归模型学习其依赖关系,先在大规模自动构造的音频–程序对上做监督学习,再用混合奖励的组相对策略优化后训练,从而在给定参考音频时直接预测合成器程序、在给定文本时借助预训练音频生成模型转换出程序,并在合成器反演与文本驱动生成两项任务上取得有竞争力的结果。
该研究把Shani与Basirat(2025)的语言主导性探测框架从跨语言场景迁移到25种阿拉伯语方言与MSA,在BLOOM、mGPT及另外三个模型上逐层分析隐藏表征,发现归一化互信息显著低于跨语言情形、方言空间高度重叠,且逐层主导性得分接近均匀基线,因此没有证据表明MSA或任何方言构成内部主导参照点。
该研究对拼接架构与原生多模态两类代表性多模态大模型进行三项递进分析(对齐解耦、注意力路由与熵、内在维度)并辅以因果干预验证,发现拼接模型遵循先文本后视觉的融合路径,而原生模型表现出更早的视觉-文本共适应与特征空间重组,为多模态融合提供机制性视角并支持架构感知的表征诊断。
该工作提出RDTU——一个用于时间序列遗忘的残差扩散框架:它先用基于保留集的神经正切核预测器得到与删除兼容的基础预测,再用保留参考数据的体积贡献量化每个受影响窗口的全局与局部结构支持,最后由扩散模型生成残差修正以估计反事实预测,形成伪标签场来指导轻量级模型更新;实验显示RDTU持续产生与精确重训最接近的遗忘模型。
MBZUAI 提出 Omni-Embed-Mini:把跨模态对齐改写为“共享冻结主干的自蒸馏”,每个媒体样本配一段密集级联描述、教师目标就是同一冻结主干对该描述的嵌入,仅训练投影器与分阶段 LoRA,0.9B 版本在文本权重逐位不变的前提下把文本、语音、音频、图像、视频和视觉文档映射进同一余弦空间,MTEB-v2 BEIR-8 保持 49.57 nDCG@10,2.3B 版本在总体模态平均上以 51.39 对 49.51 略高于闭源 gemini-embedding-2。