HR-Bench
PulseAugur coverage of HR-Bench — every cluster mentioning HR-Bench across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
CanopyKV框架提升AI视觉推理效率
研究人员开发了CanopyKV,一个旨在提高多模态AI模型中主动视觉推理效率的新型框架。该方法通过根据父子裁剪关系智能地保留互补证据,解决了在迭代图像检查过程中扩展键值(KV)缓存内存的挑战。与依赖注意力或近期性的先前压缩技术不同,CanopyKV使用工具元数据来指导保留,确保在没有显著计算开销的情况下为持续推理保留关键的历史信息。在VisualProbe和MME-Lite等基准测试上的评估表明,CanopyKV在提高准确性和加速推理…
-
新的 LBS 模型训练视觉语言模型进行主动视觉观察
研究人员开发了一种名为 LBS(Look Beyond Screens)的新方法,用于训练视觉语言模型执行主动的、面向任务的视觉观察。该方法使用 GUI 基础轨迹作为空间监督的来源,最初通过监督微调,然后通过强化学习进行多轮检查决策。使用 LBS 训练的模型,包括基于 Qwen3.5-35B-A3B 和 Qwen3.8-27B 的模型,在 PerceptionBench、HR-Bench 和 ChartQAPro 等基准测试中表现出改…
-
LOCI框架通过解耦搜索和验证来提高VLM的视觉理解能力
研究人员推出了一种新颖的免训练框架LOCI,旨在增强视觉语言模型(VLM)的视觉理解能力。LOCI通过将视觉搜索与证据验证解耦,解决了VLM在图像中定位关键细节失败的问题。它采用独立的定位器(Locator)和批评家(Critic)代理,迭代地精炼视觉证据,从而在复杂的视觉基准测试中取得显著的性能提升。
-
LOCI框架通过定位器-批评家循环提升VLM的视觉理解能力
研究人员推出了一款名为LOCI的新型框架,旨在增强视觉语言模型(VLM)的视觉理解能力。LOCI通过采用一个双代理系统来解决VLM在图像中精确定位关键细节时常出现的失败问题:一个定位器(Locator)代理负责寻找相关的视觉证据,一个批评家(Critic)代理负责验证其相关性和充分性。这种迭代精炼循环使VLM能够改善其感知基础,并在复杂的视觉任务上取得更高的准确性。该框架在应用于Qwen3-VL和Gemini 2.5 Pro等模型时,…
-
新方法通过投机执行加速代理式LLM推理 · 跟踪2个来源
两篇研究论文介绍了通过采用投机执行来加速代理式大型语言模型(LLM)推理速度的新颖方法。第一篇论文SPORK利用LLM本身的轻量级探针来预测即将到来的工具调用,从而实现重叠执行并减少空闲时间。第二篇论文SpecEyes提出了一个类似的投机规划框架,使用一个较小的、无工具的MLLM来预测执行轨迹,从而在不损失准确性的情况下提前终止昂贵的工具链。这两种方法都旨在显著降低复杂代理式任务的延迟并提高吞吐量。
-
新框架提升大语言模型高分辨率图像感知能力
研究人员推出了一种名为分层实体探索(HEE)的新型框架,旨在增强多模态大语言模型(MLLMs)的高分辨率图像感知能力。与需要大量训练或依赖固定图像分割的现有方法不同,HEE无需训练且模型无关。它通过首先评估区域是否有足够证据,然后使用对象检测进行细粒度细节分析,并将这些信息组织成语义层次结构,来动态指导实体探索。该方法旨在通过置信度引导的回溯实现自适应感知,从而克服当前高分辨率图像处理中常见的细节丢失问题。