标签
SkillSpec 是一种霍尔风格的框架，它通过意图掩蔽的规约推理来检测代理技能中的缺陷，通过对齐描述、指令和代码，在来自 SkillsBench 和其他仓库的真实技能上实现了 61.2% 的精确度。
本文提出了一种基于多条件扩散的合成流程，使用Stable Diffusion XL和ControlNet生成合成沙沸图像，用于低资源土石堤坝检查，解决标注缺陷样本稀缺的问题。
本文提出了一种用于配电缺陷检测的多模态智能体框架，评估了基础模型在感知、推理和工具使用能力方面的表现，并提供了新的领域特定数据集和基准。
本文提出了一个用于零样本工业缺陷检测的大规模多模态数据集（MMIO），并介绍了改进文本-视觉提示（RTVP）方法，在该基准上取得了最优结果。
提出AE-YOLO，一种注意力引导自编码器增强的YOLO框架，用于无人机输电线路图像中鲁棒的绝缘子缺陷检测，在[email protected]上达到95.10%，比YOLO基线高出5个百分点。
本文提出结构化缺陷定位（SDG）方法，将文本到图像缺陷建模为（位置、类型、原因、重要性）结构化元组，并利用视觉语言模型（VLM）进行检测，同时构建了包含3万张图像的SDG-30K数据集以及名为BoxFlow-GRPO的诊断到对齐框架。
一位独立研究人员的研究发现，单个LLM会遗漏约一半的代码审查缺陷，而使用来自不同提供商的多个模型可显著提高覆盖率，其中添加第二个模型的收益最大。该论文寻求反馈和arXiv认可。
本文提出了一种基于轻量级多模态LLM的框架，用于电力传输设备的成本效益缺陷分级，利用上下文学习和思维链生成训练数据，并对Qwen3-VL-8B进行微调，实现了最先进的性能。
MIT研究人员在《Matter》期刊上发表论文，介绍了一种AI模型，该模型利用非侵入式中子散射数据对材料中的原子缺陷进行分类和定量分析。该模型可同时检测多种缺陷类型，在不损坏材料的情况下改进半导体及其他材料的表征。