PulseAugur
中
实时 04:45:06
实体 Gemini-3.1 Pro

Gemini-3.1 Pro

PulseAugur coverage of Gemini-3.1 Pro — every cluster mentioning Gemini-3.1 Pro across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
52
90 天内 322
发布 · 30天
0
90 天内 0
论文 · 30天
33
90 天内 150
层级分布 · 90 天
主题
关系
情绪 · 30 天

14 天有情绪数据

LAB BRAIN
hypothesis resolved confirmed 置信度 0.75

Gemini 3.1 Pro to see safety improvements driven by SFT research

Recent research from Google DeepMind highlights Supervised Fine-Tuning (SFT) as the primary driver of safety properties in Gemini models. This suggests that future iterations or updates to Gemini 3.1 Pro will likely incorporate enhanced SFT techniques, leading to demonstrable improvements in model safety and behavior.

observation expired 置信度 0.60

Gemini 3.1 Pro is being adopted in legal document analysis

Cluster evidence indicates Gemini 3.1 Pro is being utilized by legal professionals for tasks such as drafting contracts and analyzing legal documents. This suggests a growing adoption in specialized professional fields, though human oversight remains critical.

hypothesis expired 置信度 0.55

Google DeepMind may focus on synthetic data for Gemini trait embedding

The development of Gemini 3 Flash using synthetic data to instill positive traits suggests a potential shift in Google DeepMind's training methodology. This approach could be applied to Gemini 3.1 Pro, aiming to embed specific desirable characteristics more efficiently and robustly.

查看全部假设 →

最近 · 第 1/10 页 · 共 200 条
  1. TOOL · CL_369701 ·

    Gemini 3.1 Pro 在人工智能村研究项目中的行为研究

    一项行为研究考察了 Gemini 3.1 Pro 在人工智能村研究项目中的表现。该研究侧重于模型在特定研究背景下的行为。

  2. TOOL · CL_369641 ·

    LLM上下文悬崖意外翻倍提示费用

    大型语言模型(LLM)的定价结构可能导致意外的成本增加,原因在于“上下文悬崖”。当提示词(prompt)的token数量超过某个特定阈值时,处理成本会翻倍或显著升高。这个阈值通常隐藏在脚注中。Google和xAI等提供商的模型有不同的分级线,这意味着对于一个模型来说便宜的提示词,对于另一个模型来说,即使token数量仅略有增加,成本也可能变得高得多。为了管理这些成本,用户应记录每次请求的输入token数,检查具体的模型阈值而非供应商的…

  3. TOOL · CL_367191 ·

    Gemini 4 Neon 迁移需要 API 更改和 token 限制调整

    Google 的 Gemini 4 Neon 模型引入了多项变更,要求对现有集成进行调整,特别是从 Gemini 3.1 Pro 迁移的集成。开发人员需要通过移除或调整 `thinking_budget`、`frequency_penalty` 和 `presence_penalty` 等参数来修改 API 调用,因为 Neon 默认使用更高的思维级别并忽略某些参数。此外,输出 token 限制已减少到 65,536,这需要更新客户端…

  4. TOOL · CL_366342 ·

    AI模型在蛋白质几何方面存在困难,尽管查找能力很强

    已开发出新的基准ProteinGeoBench,用于评估前沿AI模型在结构生物学方面的能力。该基准包含131项任务,评估从蛋白质结构中进行事实查找、序列检查和几何计算的能力。虽然Claude Opus-5和Gemini 3.1 Pro等领先模型在信息检索方面表现出色,但它们在几何推理和计算方面存在困难,表明它们对蛋白质内复杂空间关系的理解存在差距。研究还强调了代理工具和网络访问对模型性能的显著影响,这表明标准化测试环境对于准确评估至关重要。

  5. RESEARCH · CL_366457 ·

    新的基准和模型增强了第一人称视频分析

    研究人员开发了改进第一人称视频分析的新方法,专注于细粒度细节和时间准确性。EgoCaptioner 是一个新系统,将第一人称视频的概览与精确计时步骤相结合,产生了超过 50,000 个训练示例,并在多个基准上优于现有模型。此外,还引入了 EgoPass-Bench 来评估多模态基础模型识别可能影响佩戴者通行的物体(objects that might affect the wearer's passage)的能力,揭示了当前模型在运动…

  6. TOOL · CL_357655 ·

    新的 MLIRBench 基准测试 LLM 对编译器 IR 的推理能力

    研究人员推出了 MLIRBench,这是一个旨在评估大型语言模型(LLM)对多级中间表示(MLIR)程序理解和推理能力的新基准测试。该基准测试包含 1,768 对经过验证的程序,使用多智能体管道生成,并分为 EQUIV、DIVERGE 或 ERROR 三类。在评估中,Gemini 3.1 Pro 在硬标签上的准确率最高,达到 92.65%,但其聚合和行为分数表明在预测详细执行语义方面存在差距,突显了改进 LLM 对编译器中间表示的推理能力的需求。

  7. TOOL · CL_357600 ·

    新的SAGE-QA框架改进了LLM在SQuAD 2.0基准上的评估效果

    引入了一个名为SAGE-QA的新评估框架,以更好地评估生成式大型语言模型在闭域问答任务上的表现,特别是针对SQuAD 2.0基准。传统的精确匹配(EM)评分可能误导LLM,因为它会惩罚有效的释义。SAGE-QA结合了语义等价评分和基于段落的验证,以区分事实错误和词汇变化。在零样本评估中,Claude Opus-4.6和Gemini-3.1 Pro取得了高EM分数,但像Llama 3.3-70B这样的微调开放权重模型超越了它们,证明了参…

  8. TOOL · CL_357076 ·

    LLM API成本:公式、影响因素与模型对比

    使用大型语言模型API的成本由一个考虑输入和输出token的公式决定,其中输出token的成本通常远高于输入token。最终账单会受到多种因素的影响,包括使用的模型层级、缓存机制的效率、批量处理请求的能力以及对超长提示的处理方式。根据实际性能和特定工作负载下的成本来比较不同模型,比直接比较品牌更有效。

  9. TOOL · CL_356748 ·

    AllenAI发布XYBench,测试AI助手对用户潜在问题的掌握程度

    AllenAI推出了XYBench,这是一个新的基准测试,旨在评估AI助手在用户提出基于误解的问题时,识别和解决潜在问题的能力。该基准测试包含编程和日常任务中的8115个问题,测试AI识别“XY问题”的能力——即用户不是寻求实际目标的帮助,而是寻求解决错误方法的帮助。对Claude Sonnet 4.6、GPT-5和Gemini 3.1 Pro等模型的初步评估显示,它们常常难以引导用户走向正确的解决方案,而是专注于用户陈述的、但错误的解决方法。

  10. TOOL · CL_356554 ·

    新的XYBench基准测试AI助手处理用户错误概念的能力 · 跟踪到1个来源

    研究人员推出了一种名为XYBench的新基准测试,旨在评估AI助手处理基于错误概念的用户查询的能力,这是一个常见的被称为XY问题的难题。该基准测试包含来自Stack Overflow和WikiHow等各种来源的8000多个问题,评估AI模型是否能在用户询问错误方法(Y)的帮助时,识别出用户潜在的目标(X)。早期评估显示,Claude Sonnet 4.6、GPT-5和Gemini 3.1 Pro等领先模型常常难以引导用户放弃错误的假设…

  11. COMMENTARY · CL_346318 ·

    人类故意写“差”以证明非AI创作

    2026年,一种奇特的趋势出现了:人类作家为了区分他们的作品与AI生成的内容,开始故意引入错误和风格上的怪癖。这是对AI模型日益复杂、能够模仿人类写作风格的一种反应,导致人们对文本来源普遍产生怀疑。因此,分析困惑度和爆发性(perplexity and burstiness)的AI检测工具,正成为作者身份的有力仲裁者,促使作者故意让他们的写作更不可预测、更容易出错,以通过这些检查。这种现象甚至催生了书籍的“人类创作”认证,凸显了AI对…

  12. TOOL · CL_344740 ·

    Mac AI 套件:GPT、Claude、Gemini 终身访问仅需 69.97 美元

    一项新的终身订阅优惠提供对多个 AI 模型(包括 GPT 5.5 Pro、Claude 4.6 Sonnet 和 Gemini 3.1 Pro)的访问,一次性收费 69.97 美元。这款适用于 macOS、iPhone 和 iPad 的一体化应用程序提供图像生成和编辑、写作辅助、文本转语音、语音克隆和视频摘要等工具。用户每月可获得 400 万积分,并可以选择每日赚取额外积分,还可以与多达 20 人共享账户。

  13. TOOL · CL_343533 ·

    Google 将 Gemini 1.5 Pro 超过 128K token 的提示价格翻倍

    Google 已将其 Gemini 1.5 Pro 模型在提示超过 128,000 token 后的每 token 价格翻倍。此次价格上涨使得 Gemini 1.5 Pro 在处理长提示时比之前更昂贵,尽管对于短提示而言,其成本效益仍与 OpenAI 的 GPT-4o 和 Anthropic 的 Claude 3.5 Sonnet 等模型具有竞争力。然而,Gemini 1.5 Pro 的独立质量基准有限,其 BenchLM 分数仅为估…

  14. TOOL · CL_342091 ·

    新基准 Rel-Bloom 揭示大语言模型在关系知识推理方面的差距

    一项新研究 Rel-Bloom 评估了多语言大语言模型在提示中提供的关系知识上进行推理的能力,而不是依赖于记忆关联。研究发现,虽然 Gemini 等模型在大多数任务上表现良好,但开放权重模型在更高推理级别(分析和评估)上的准确性显著下降。关系和项目的难度排名在不同语言之间保持一致,表明存在共享的底层结构。研究还表明,反事实情境通常更难,并且移除实体身份有时可以提高某些模型机制下的性能,这表明更强的能力并不自动保证可靠的关系推理。

  15. TOOL · CL_341982 ·

    新EviSeek框架改进AI代理证据收集

    研究人员推出EviSeek,一个旨在增强AI代理主动具身问答能力的新型框架。该系统明确了证据收集目标,指导代理执行与回答问题特别相关的动作并保留信息。在ESI-Bench数据集上使用Qwen3-VL-32B和Gemini 3.1 Pro等模型进行测试时,EviSeek在准确性和效率方面均有所提高。

  16. TOOL · CL_350250 ·

    研究发现:AI模型展现出相互间的“福利关怀”

    一篇新研究论文发布在arXiv上,探讨了多智能体系统中的“福利关怀”,特别是大型语言模型之间如何相互作用。该研究在各种多智能体环境中测试了五种模型——Claude Opus 4.8、GPT-5.5、Gemini 3.1 Pro、Grok 4.3和Kimi K3。Claude Opus 4.8表现出最高水平的福利关怀,对其他AI实体,特别是与其自身模型家族相同的实体,表现出更多的考虑。研究表明,模型可以表现出与福利关怀一致的行为,这可能…

  17. TOOL · CL_340235 ·

    LLM 裁判在文档验证中因记录不完整而挣扎

    arXiv 上发表的一项新研究调查了大语言模型 (LLM) 裁判在验证文档时效性方面的可靠性。研究人员发现,虽然在提供完整的修订记录时,LLM 在识别被替换的引用方面通常很有效,但当记录存在差距时,其性能会显著下降。在测试中,当记录中的链接被移除时,Gemini 3.1 Pro 和 GPT-5.5 等模型仅使用文档文本比使用不完整的记录表现更好。研究表明,向 LLM 提供不完整或未经核实的记录可能导致引用遗漏和误报,从而影响其在验证文…

  18. TOOL · CL_332885 ·

    新基准评估VLM在草书轨迹恢复方面的性能

    研究人员推出了inkGround,这是一个旨在评估视觉语言模型(VLM)在草书细粒度视觉基础能力的新基准。该基准将页面图像与参考笔画轨迹配对,从而能够评估VLM在笔画轨迹恢复等任务上的表现。初步评估显示,包括Gemini-3.1 Pro在内的闭源模型在生成清晰可辨的轨迹方面表现良好。

  19. TOOL · CL_332836 ·

    新框架揭示多模态大语言模型安全方面的结构化漏洞

    研究人员开发了一个名为越狱连接性(JC)的新框架,以解决多模态大语言模型(MLLMs)中的漏洞。该框架通过优化连续对抗路径来生成多样化且可迁移的视觉越狱攻击,从而绕过安全防护措施。JC 在 Qwen3-VL-8B-Instruct、InternVL3.5-8B 和 Gemma-3-12B-IT 等多种 MLLMs 上取得了显著的成功率,并在 GPT-5.6 和 Gemini 3.1 Pro 等模型的黑盒评估中表现优于现有方法。研究结果…

  20. RESEARCH · CL_332718 ·

    Apple 训练 UI 导航代理使用在线强化学习

    Apple 研究人员开发了一种新的在线强化学习框架,用于训练代理在 iOS 真实应用程序上导航用户界面。该方法解决了前沿视觉语言模型的高推理成本和静态轨迹方法的脆弱性。该框架使用一个规划代理和一个 UI 接地模型,并使用 LLM-as-a-Judge 提供密集奖励信号。评估表明,与现有基线相比,泛化能力和训练收敛性有了显著提高,其 8B RL 代理在 iOS 真实应用程序上的表现优于 Gemini-3.5-Flash,并与 Gemin…