PulseAugur
中
实时 20:51:41
实体 BFCL v4

BFCL v4

PulseAugur coverage of BFCL v4 — every cluster mentioning BFCL v4 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
7
90 天内 17
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 9
层级分布 · 90 天
主题
情绪 · 30 天

4 天有情绪数据

最近 · 第 1/1 页 · 共 17 条
  1. SIGNIFICANT · CL_361695 ·

    Sage S2.1 Flash模型在科学和机器学习基准测试中表现出色

    上海人工智能实验室发布了Sage S2.1 Flash,这是一款专为复杂研究任务设计的科学多模态模型。该模型集成了科学数据理解、编程和工具使用能力,支持分子图谱和蛋白质结构等十余种科学输入。Sage S2.1 Flash在四个基准测试中取得最高性能,在七个基准测试中位列第二,在机器学习工程和办公文档处理方面表现突出。

  2. SIGNIFICANT · CL_352998 ·

    Tether AI Research 发布 BotPsy-0.8B 设备端智能体模型

    Tether AI Research 发布了 BotPsy-0.8B,这是一款开源的、用于设备端的、支持函数调用的智能体模型。BotPsy-0.8B 基于 Qwen3.5-0.8B 构建,在工具使用和智能体基准测试中表现出显著的改进,性能超越了参数量高达 1.2B 的模型,甚至在大多数任务上超越了更大的 Qwen3.5-2B。该模型还展现了增强的指令遵循和通用知识能力,并且显著减少了不安全响应和重复推理循环,使其能够高效地部署在设备端。

  3. SIGNIFICANT · CL_329622 ·

    Moonshot AI 发布 Kimi K3.1 Pro,为安全故意削弱网络能力

    Moonshot AI 发布了 Kimi K3.1 Pro,这是一个拥有百万级上下文窗口的大型开放权重模型。值得注意的是,该公司故意从该模型中移除了网络攻击相关的训练数据,导致其发现和利用安全漏洞的能力明显下降,优先考虑了安全性而非最大化能力。此举重新定义了关于开放权重模型性能的讨论,表明一些人认为其落后于闭源模型的差距可能是实验室在训练数据内容方面有意识的选择。另外,上海人工智能实验室发布了 Atria Dawn,一个拥有 512K…

  4. TOOL · CL_326395 ·

    Liquid Ai 发布 LFM3 开源模型供本地小型企业使用

    Liquid Ai 发布了一个名为 LFM3 的新型开源模型系列,专为小型企业和本地部署而设计。LFM3-1.7B 模型内存占用约 1 GB,特别适合处理邮件分类或从发票中提取数据等任务。尽管这些模型在函数调用和指令遵循基准测试中表现强劲,但 Liquid Ai 建议由于其规模,不要将其用于复杂的编码或推理任务。此次发布包括用于视觉、音频和决策任务的各种配置,模型权重可在 Hugging Face 上根据特定开源许可证获取。

  5. TOOL · CL_300022 ·

    Sabi-Noema 微调提升 Qwen 3.8 27B 的能力和效率

    一款名为 Sabi-Noema 的新微调模型已发布,该模型基于 Qwen 3.8 27B,专注于提升 300 亿参数以下模型的增强能力和效率。此微调在编码、智能体任务和工具调用方面表现出改进的性能,在 DeepSWE 和 TB2.1 等基准测试中优于同等规模的其他模型。此外,Sabi-Noema-MLA 变体通过 MLA 注意力显著减少了 token 生成和内存使用,从而在消费级硬件上实现了更大的上下文窗口。

  6. TOOL · CL_294387 ·

    新型多模态智能体JoyInside-VLM-Agent增强具身机器人和智能硬件

    研究人员开发了JoyInside-VLM-Agent,这是一种ReAct风格的多模态智能体,专为机器人和智能硬件中的具身智能体设计。该智能体利用产品条件轨迹构建和分阶段策略学习,并包含一个闭环沙箱,用于生成包含目标修正和故障恢复的交互轨迹。训练过程包括监督微调、多教师on-policy蒸馏以及采用新颖的DPER方法进行证据路由的强化学习。JoyInside-VLM-Agent在BFCL v4基准测试中取得了强劲表现,并在JoyInsi…

  7. TOOL · CL_290046 ·

    Underdog发布2位量化Saluki 27B模型,在工具调用方面超越Qwen3.8-27B

    Underdog(Conway Research的研究项目)发布了Saluki 27B,这是Qwen3.8-27B模型高度压缩的2位量化版本。这款新模型采用Apache 2.0许可证发布,文件大小从54 GB显著减小到7.89 GB,使其能够在标准的llama.cpp实现上运行。虽然Saluki 27B在工具调用方面表现出性能提升,保留率达到原始模型的120%,但在复杂推理和数学任务方面性能有所下降。

  8. RESEARCH · CL_248399 ·

    研究发现:真实的MCP服务器功能不如精心策划的基准测试

    一项发表在arXiv上的新研究揭示,真实的模型上下文协议(MCP)服务器的功能远不如精心策划的数据集所显示的。直接从MCP注册表中抽样时,只有48.8%的服务器完成了初始化握手,有高达37.5%根本无法启动。尽管这些真实世界的服务器在广告工具的JSON Schema方面表现出高度一致性,但与精心策划的框架相比,它们在可选安全注解的遗漏率方面要高得多。此外,研究发现真实MCP数据中不同作者之间的工具几乎没有近乎重复的情况,这与BFCL …

  9. TOOL · CL_235403 ·

    AI模型评估可能因接口审查而产生误导

    一项新的研究论文强调了一种称为“接口诱导的轨迹审查”的现象,即用于评估AI模型的接口可能会错误地报告零工具使用,即使模型正在生成有效的工具调用。在BFCL v4、Qwen2.5-Coder和Llama-3.1-8b等各种模型中都观察到了这个问题,同一个模型仅根据使用的服务适配器就会显示出截然不同的性能指标。该论文指出,这种审查效应与规模有关,并且可能发生在训练循环本身中,从而影响观察到的工具调用率,而工具调用率是模型-接口堆栈的属性,…

  10. RESEARCH · CL_218887 ·

    Apple 的 PROOF-Gen 方法通过从失败中改进 AI 模型蒸馏

    Apple Machine Learning Research 推出了 PROOF-Gen,这是一种用于将工具调用能力蒸馏到可部署 AI 模型中的新方法。该技术通过每种场景的提示优化,从教师模型失败的尝试中恢复有价值的轨迹,从而解决了传统生成-过滤蒸馏的局限性。PROOF-Gen 分析执行跟踪和反馈,以指导教师模型取得成功,显著提高了蒸馏模型的质量和可转移性,即使在非英语地区也是如此。

  11. RESEARCH · CL_210212 ·

    SPADE框架使用LLM设计自适应训练环境以实现自我改进

    研究人员开发了SPADE,一个新颖的自我博弈强化学习框架,其中单个大型语言模型既充当环境设计者又充当推理代理。环境设计者创建具有OpenAI Gym风格界面的自适应、可执行的训练环境,而推理代理则学习在这些环境中执行任务。这种方法旨在通过动态调整训练目标的难度以匹配代理不断发展的能力来实现持续的自我改进,并在各种基准测试中显示出显著的性能提升。

  12. TOOL · CL_205900 ·

    新研究评估了跨基准的开源 AI 模型路由器

    一篇新发布的 arXiv 论文评估了四个开源模型路由器,这些系统在代理框架中负责模型选择。该研究引入了一个通用的测量协议,以在四个基准上比较这些路由器:RouterBench、BFCL v4、tau2-bench 和 WebArena。研究结果表明,三个被评估的路由器一致地将任务分配给相同的模型层级,而 vLLM Semantic Router 根据提示内容显示出更多变化,但在任何基准上均未达到最高的成功率。研究表明,观察到的性能提升…

  13. TOOL · CL_188515 ·

    LLM JSON 优化在不同模型上效果不一

    一项涉及 LLM JSON 字段表示法变更的优化在 Qwen2.5-7B 模型上显示出有希望的结果,提高了在 GSM8K 基准测试上的正确率。然而,这项优化未能转化为 Llama 3.2 3B 模型,降低了其在同一基准测试和可执行工具调用任务上的正确率。研究结果表明,虽然这种表示法的改变可能对某个模型有益,但它们并非普遍适用的优化器,并且代表了对模型的语义干预。

  14. TOOL · CL_187375 ·

    研究发现:程序化工具调用优于LLM的JSON调用

    一篇新论文评估了大语言模型的程序化工具调用(PTC)与传统JSON工具调用的对比。研究发现,PTC将工具暴露为模型可调用的类型化Python存根,在BFCL v4基准测试中,对于大多数测试模型,其性能与JSON工具调用相当或更优。值得注意的是,GPT-5.6系列在使用PTC时比JSON基线提高了10.6%,并且在基线性能下降的上下文轮换条件下,PTC保持了稳定性。

  15. RESEARCH · CL_139237 ·

    Mach-Mind-4-Flash:35B MoE 模型性能媲美 100B+ 模型

    研究人员推出了 Mach-Mind-4-Flash,这是一个拥有 350 亿参数的专家混合(MoE)模型,但仅激活 30 亿参数。通过训练后优化,该模型实现了与 1000 亿参数模型相当或更优的性能。该系统采用三阶段流程,包括统一的 RL/OPD 训练基础设施、通过多教师在线策略蒸馏融合的领域特定 RL 专家,以及用于压缩推理链的混合中位数长度策略优化。

  16. RESEARCH · CL_128930 ·

    新框架CurateEvo增强LLM Agent训练后数据策展 · 追踪2个来源

    研究人员开发了CurateEvo,一个用于动态演进数据策展策略的新框架,以改进大型语言模型(LLM)Agent的训练后阶段。这种由失败驱动的方法通过分析失败的轨迹来迭代地优化策展方法,从而为微调和强化学习提供更有效和高效的数据准备。在ACEBench-Agent和tau^2-Bench等基准上的实验表明,CurateEvo的性能持续优于现有的策展技术,提高了Agent的性能并降低了开销。

  17. FRONTIER RELEASE · CL_108496 ·

    阿里巴巴Qwen发布AgentWorld语言模型用于环境模拟

    阿里巴巴的Qwen团队推出了Qwen-AgentWorld,一个旨在模拟各种代理环境的新型语言世界模型。该模型侧重于训练大型语言模型理解和预测环境,而不仅仅是在其中行动。研究探索了两个主要途径:构建一个用于环境模拟的基础模型,以及研究世界建模如何增强代理训练,表明使用世界模型训练的代理可以优于在真实环境中训练的代理,并且预测性知识能有效地迁移到代理任务中。