标签
SGLang正式宣布成为Miles v0.1的原生rollout引擎。Miles是一个针对大语言模型与多模态模型的开源强化学习框架，旨在提升大规模强化学习训练中的吞吐量、缓存效率与稳定性。
VideoGAIA引入了一个基准，用于通过复杂的多轮任务评估多模态模型中的智能视频理解，揭示即使是像GPT-5.5这样的前沿模型也仅达到不到60%的准确率。
介绍了Obshazard-bench，这是一个实时、观测驱动的基准，用于评估多模态基础模型从原始地球观测流中获取灾害智能的能力，涵盖60多个国家的8个灾害类别。
UniWorld-Design 是一个以语义 RGBA 图层为原子单元重新定义图像生成的框架，包含用于生成分层资产的 T2RGBA 和用于将图像分解为可编辑图层的 I2L，在 Crello 基准测试上取得了最先进的结果。
介绍Blind-Spots-Bench，这是一个旨在揭示现代多模态AI模型在人类认为简单的任务上持续失败的基准。评估了一系列模型，揭示了性能差距，并且没有单一模型在所有任务类型中占据主导地位。
人工智能通过更便宜的传感器、机器人技术和多模态模型，正在实现从物理世界收集和处理以前无法访问的数据，在基础设施、医疗保健和工业自动化领域创建新的数据飞轮。
介绍了SciDraw-Bench，一个用于评估文本到图像和多模态模型生成科学图形的基准，采用四维评估协议。结果显示，领域专用系统优于通用模型，文本保真度仍然是最具挑战性的方面。
AQuaUI是一种无需训练、推理时即用的GUI代理模型令牌减少方法，利用自适应四叉树降低截图中的空间冗余，实现了高达13.22%的加速和29.52%的视觉令牌减少，同时保留了99.06%的性能。
视觉美学基准（VAB）通过对比选择评估多模态模型的审美判断能力，揭示其与人类专家的显著差距，并表明基于专家示例的微调可提升准确率。
本文介绍了 UNO，这是一种以理解为导向的后训练框架，利用理解任务作为监督信号，以增强统一多模态模型中的图像生成和编辑能力。
研究者推出首个量化多模态模型生成式空间智能的基准 GSI-Bench，通过在图像生成过程中评估 3D 空间约束遵守情况来衡量能力。在合成数据集上微调可显著提升空间编辑保真度与下游空间理解，证明生成式训练能增强空间推理。