标签
IBM 研究人员将大语言模型的一致性形式化为知识图谱所定义的语义域内的语义不变性，表明不一致现象集中在稳定的热点子图中，并且有选择地、分层地以知识图谱为依据，能够提高跨模型的一致性和可靠性。
François Chollet 认为，智力很少是解决重大问题的瓶颈——真正的瓶颈是与现实的接地式、反复迭代的接触——他将脱离实际的空谈比作一个智能系统因缺乏感官输入而产生幻觉，Elon Musk 也对此表示认同。
GroundingPI 与 XPeng、北大、港大合作发布了3个开源模型：4B 基础模型（支持检测、指代、OCR 等多种 grounding 能力）、基于扩散并行解码的快速 grounding 模型 GroundAnything，以及基于自回归 VLM 的高精度 grounding 模型 GroundAnything VLM。
论文提出 MULTIFINGROUND 多语言金融基准，揭示语言模型虽能跨语言识别财务概念（准确率 97.3–99.4%），却在 26.6–41.9% 的情况下无法完整恢复对应的数值证据，凸显了概念识别与证据落地之间的差距。
OmniCompass 提出了一个面向全模态视频定位与理解的整体基准，涵盖视觉-语言与音视频两条评测轨道，包含时间定位、空间定位与问答三类任务，并对50个多模态大模型进行了系统评估。研究发现开源模型在音视频理解上仍落后于闭源模型，精确的时间与空间定位对领先模型而言仍具挑战性。
Maxime Rivest 推荐使用开放、免费且快速的科学检索方式来为 AI agent 的回答提供事实依据，认为这种做法明显更好且应更早普及。
AI4Fire 评估六大核心大模型在五项野火管理任务上的零样本表现，涵盖裸输入与任务特定 grounding 两种设置，发现 grounding 仅在补充信息直接包含答案时有效（如 SQL 工具将准确率从≤16%提升至≥88%），简单规则常胜过模型，且多个公开数据集存在标签缺陷可能虚高评分。
提出「隐喻电路」假说，解释 Vision Transformer 在缺乏直接指称证据的情况下，如何借助具体锚点概念（如 fire）间接接地抽象概念（如 angry），并利用 Transcoders 对 CLIP 和 DINO 进行电路追踪与因果干预加以验证。
Cloudflare 推出了 Web Search API 测试版，允许 AI 智能体和应用程序搜索互联网，并基于实时信息提供可靠的回答。该 API 支持三家服务商（Ceramic.ai、Exa、Linkup），支持零数据保留（Zero Data Retention），通过 AI Gateway 运行，可通过 REST API 或 Workers AI 绑定进行访问。
LlamaIndex 发布 Extract v2.5，一个面向结构化文档提取的智能体架构，在不涨价的前提下将 ExtractBench 上各层级精度与 grounding 分数大幅提升，并显著优于前沿模型的价格/性能比。
LlamaIndex 推出 Extract v2.5，这是一套前沿智能体文档抽取模型（Cost Effective、Agentic、Agentic Plus），宣称在 ExtractBench 上实现当前最佳性价比，以 30% 至 4 倍更低成本超越 Opus 5.5 和 GPT-6 Sol，并在长列表、跨页记录和扫描表单方面大幅提升准确率，同时推出可在 LlamaParse 上使用的新功能：高级引用（Advanced Citations）和结构化推理（Structural Reasoning）。
GroundingPI：一个4B参数的视觉定位基础模型，以量化坐标生成点与框，在34个定位基准上以73.68%平均成绩超越GPT-6 Astra等44个基线，并在机器人操作与自动驾驶下游任务中显著提升性能。
SpatialCORE 是一个后训练框架，将模型对其生成的边界框接地的置信度用作大型视觉-语言模型进行空间推理的学习信号，在空间推理基准测试中取得了开源模型中的最先进结果。
ReGround 是一个大规模数据集，用于将审稿意见定位到科学论文的多模态证据上，揭示了在检索任务中整合文本、表格和图表的重要性和挑战性。
本文介绍了一种基于图谱的视觉语言模型工具，通过从图像中恢复证据图，来提高回答管道和仪表图拓扑问题的准确性。
本文审计了LLM生成的自传中相对于文档化真实语料库的场景级别虚构，发现96.7%的验证失败率，并贡献了一个可重复使用的审计工具和一个基础补救措施。
提出一种基于评估准则的强化学习方法，通过将回答分解为原子命题，并从视觉忠实性、推理一致性和指令遵循度三个维度进行评分，从而提升视觉语言模型的视觉忠实性。
ExtractBench 是一个新的文档提取基准测试，严格评分溯源准确性，显示 VLMs 和编码代理缺乏证据，而 LlamaExtract Agentic Plus 以高性能领先于页面级和单词级指标。
本文研究了长文幻觉强化学习中基础支撑与覆盖范围之间的权衡，提出了基于评分标准的奖励来表示问题所需和可选的信息。对基础支撑、评分标准覆盖和相关性进行软性组合，可以在支持性和丰富性之间取得最佳平衡。
LiquidAI releases LFM2.5-VL-3B, a 3B multimodal model for on-device deployment with improved OCR, grounding, and efficient inference, available in multiple formats including GGUF, ONNX, and MLX.