multi-domain

Count Anything 是一个通用的视觉模型，用于跨多个领域的文本引导目标计数，采用双粒度实例枚举和互补计数融合。它实现了高精度和跨领域泛化能力，优于现有的开放世界计数方法。

本文提出TopoPrior框架，该框架从离线参考协作图中学习可迁移的拓扑先验，以生成跨域多智能体LLM协作的初始拓扑，显著降低了在线搜索开销和令牌消耗。

Google 正在更新 Gemini Interactions API，用灵活的基于步骤的系统（outputs + roles → steps）取代严格的 user/model 角色，引入类似 user_input、thought、function_call、tool_call 和 model_output 的代理步骤。该更新还合并了 response_format 控制，并要求升级 SDK（Python/JS ≥2.0.0）或添加新的 API 标头以选择加入。