Crafter
PulseAugur coverage of Crafter — every cluster mentioning Crafter across labs, papers, and developer communities, ranked by signal.
- 2026-05-28 research_milestone Researchers introduced Crafter, a multi-agent system for generating editable scientific figures, along with CraftEditor and the CraftBench benchmark. 来源
-
新的CIVA攻击方法针对视觉世界模型代理
研究人员开发了一种名为批评诱导值子空间攻击（CIVA）的新方法，用于攻击视觉世界模型代理。这些代理（如DreamerV3）通过循环潜在状态运行，使其能够抵御传统的逐帧攻击。CIVA利用代理自身的批评者来识别扰动最有效的低维子空间。通过在该子空间内进行优化并平滑扰动，CIVA在DMC walker walk、Pong和Crafter等环境中实现了显著的奖励下降，优于现有攻击方法。
-
新的CRAFTER系统通过LLM生成的纠正性特征改进了冻结的预测器
研究人员开发了一种名为CRAFTER（具有基于特征的时间探索和推理的纠正性残差代理）的新方法，以改进冻结的、预训练的预测器的性能。该系统从预测器的残差误差中挖掘可解释的特征，以创建轻量级的、事后修正。CRAFTER利用对原始输入通道的组合搜索和LLM来提出特征，并设有验证门来接受或拒绝候选特征。在六个数据集和六个冻结的骨干网络上进行测试，CRAFTER的性能显著优于现有的特征工程系统，改进幅度约是单独的修正器的两倍，并将错误减少了高达27%。
-
新框架使智能体能够通过符号程序演进可执行技能
研究人员推出了一种名为程序化技能网络（PSN）的新型框架，该框架专为具身环境中的持续技能获取而设计。PSN 使智能体能够构建、优化和重用一个不断演进的可执行技能库，这些技能在组合网络中表示为符号程序。该框架结合了三个由大型语言模型驱动的关键机制：用于技能组合的结构化故障定位、具有成熟度感知更新门控的渐进式优化，以及具有回滚验证的规范结构重构。在 MineDojo 和 Crafter 上进行的实验证明了 PSN 在技能重用、适应和跨不同…
-
新的S3MEM框架增强了AI代理在长时序问答中的记忆能力
研究人员推出了一种新颖的记忆框架S3MEM，旨在提高AI代理在长时序交互式问答中的能力。传统方法在处理大型轨迹历史时会遇到困难，常常检索到不完整的证据。S3MEM通过构建记忆单元和采用锚点敏感检索来解决这一问题，为推理创建了一个更高效的接口。在多个环境中的评估表明，S3MEM在标准RAG的基础上表现持续优越，并能匹配或超越其他先进的记忆系统，同时使用的token数量显著减少。
-
新系统可自动生成可编辑的科学图表
研究人员开发了Crafter，这是一个多智能体系统，旨在从各种输入自动生成科学图表。该系统解决了现有工具的局限性，这些工具通常仅限于单一图表类型和纯文本输入。Crafter辅以CraftEditor，可将栅格输出转换为可编辑的SVG，以及用于评估图表生成质量的CraftBench基准。实验表明，Crafter的性能显著优于先前的方法和智能体基线。