标签
Game2Player 提出一种协同发展循环:Builder、Coding Player 和 VLM Player 智能体协作改造网页游戏、定义可验证的任务,并收集 15.7K 条游戏轨迹以训练视觉智能体,其中 Game2Player-9B 在 PlayerBench 和 GameWorld 基准上显著提升了任务进度表现。
阿里巴巴的 Qwen 团队发布了 BlenderWorld,这是一个新的基准测试仓库,用于衡量视觉智能体根据现实世界参考素材在 Blender 中构建 3D 场景的能力。此次发布被视为一个信号,表明 Qwen 可能会在未来的模型中重点发展智能体驱动的 3D 设计和工具使用能力(例如通过 MCP 使用 Blender)。
BlenderWorld 是首个专注于真实世界 3D 创作任务的综合基准,包含 223 个任务,通过渲染输出和 2,651 条二元评分标准评估前沿多模态模型,结果显示 GPT-6-Astra 以 79.9 分领先,但所有模型在细粒度 3D 空间一致性方面仍存在显著不足。
VideoJev 提出了基于 System One 范式的视频理解与交互模型家族,通过共享打分头替代自回归解码,统一时序定位与视频问答,并利用缓存推理和联合推理大幅提升效率。VideoJev-4B 和 VideoJev-35B-A3B 在时序定位基准上显著超越骨干模型,视频问答推理加速超过 100 倍。
本文研究了资源受限视觉智能体中共享状态协作推理的失效模式,引入了CoSee审计框架,该框架形式化了读写验证循环。研究发现,简单的共享工作区可能会放大幻觉,并识别出噪声增强和策略崩溃是主要的失效模式。
本文介绍了MMSkills,这是一个用于表示、生成和使用视觉智能体多模态程序性知识的框架,结合了文本程序与视觉状态卡和关键帧,并在GUI和游戏类视觉智能体基准测试中展示了改进效果。