SAGE:基于释义增强推理的词义对齐多模态语义锚定评估
摘要
论文提出 SAGE——一个统一的10候选图像选择基准,将 VWSD、VerSe 和 WikiDiverse 重构为共享的词项中心协议,并提出训练无关的释义增强推理(GAR)框架,使用 Gemma3-12B 将 Hits@1 从 65.90 提升至 71.22。
相似文章
Fable 5.5 与 GPT 6.2 Astra 对比 - PS5 手柄的 SVG 图形
展示了 Fable 5.5 与 GPT 6.2 Astra 在通过隐身路由(stealth routing)生成 PS5 手柄 SVG 图形时的对比结果。
Particle-1 已在 OpenClaw 中可用
Particle-1 是一款面向编程智能体、注重 token 效率的模型(在准确率相当的情况下,输出 token 数比 DeepSeek V4.1 Flash 少约 45%),现已在 OpenClaw v2026.10.10 中上线,标准推理采用零数据保留政策。
balbal-v2:可在 CPU 上运行的土耳其语语音识别模型,在 Mu-Bench TR 上仅次于 Google Chirp 3 排名第二
balbal-v2 发布了两个 CPU 高效的土耳其语语音识别模型(3.13 亿和 4500 万参数,CTC + KenLM),训练成本不到 250 美元,在 Mu-Bench TR 基准测试中仅次于 Google Chirp 3 排名第二,在普通硬件上运行速度最高可达实时的 236 倍。
Qwen3.8-Flash-Next(本地)vs Claude
一位开发者对比了在本地运行 Qwen3.8-Flash-Next(llama-server + ROCm 上的 UD-Q4_K_XL)与在 Claude Code 中使用 Claude Opus 审查同一个真实 Swift 提交的效果:Qwen 产生 8 个发现,零误报,并抓住了 2 个 Claude 遗漏的问题,但漏掉了另外 5 个问题,因此它更适合作为可靠的私密初审工具,而非最终裁决者。
@FinanceYF5: Fable 5.5 被曝只用代码,一次生成了这段完整动画 Chetaslua 称,同一提示词交给普通 Opus 5.5,质量会明显下降,Fable 5.1 的效果更差。 他还提供了两种验证方法:关闭联网和记忆,询问模型“Karpathy …
Fable 5.5 被曝仅用代码一次性生成完整动画,Chetaslua 称同一提示词下普通 Opus 5.5 和 Fable 5.1 效果明显更差,并提供了验证方法,但该消息尚未得到官方证实。