Chartography
PulseAugur coverage of Chartography — every cluster mentioning Chartography across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Anthropic 发布 Sonnet 5.5，Opus 5.5 在复杂任务上仍领先
Anthropic 发布了 Sonnet 5.5，这是一个更快、更具成本效益的模型，旨在作为其 Opus 5.5 模型的补充。虽然 Sonnet 5.5 比其前代 Sonnet 5 有显著改进，但 Anthropic 自家基准测试表明，在需要持续判断的复杂、开放式任务上，Opus 5.5 仍然更胜一筹。关于 Sonnet 5.5 在 FrontierCode 基准测试上的表现出现了一个有趣的细节，即更高的努力程度导致分数降低，因为模型…
-
DeepSeek V4 多模态模型权重已发布供检查
DeepSeek 发布了其 V4 多模态模型的权重和参考代码，允许研究人员检查其视觉处理能力。与简单的图像到文本的附加功能不同，V4 将视觉 token 直接集成到其现有架构中，使其能够参与注意力机制、专家混合（MoE）路由和代理推理。该模型采用 Vision Transformer (ViT) 进行初始编码，然后使用 Aligner 将视觉特征压缩并映射到语言模型的空间中。V4 内的专用机制处理视觉 token，包括修改后的注意力规…
-
新的Chartography基准测试揭示AI在专业图表理解方面存在困难
一项名为Chartography的新基准测试已被开发出来，用于评估AI在医学、工程、金融和科学等各个领域的专业图表理解能力。与现有基准测试不同，Chartography包含100项任务，图表采用专业格式，问题由领域专家设计，并经过独立验证。目前最先进的模型在此基准测试上面临挑战，准确率最高仅为45.0%，表明在视觉感知、读取细微特征和解释领域特定约定方面存在重大困难。