RECAP
PulseAugur coverage of RECAP — every cluster mentioning RECAP across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的GUI代理ReCAP通过自纠错解决验证码
研究人员开发了ReCAP，一种能够解决验证码挑战同时保持通用GUI交互性能的新型GUI代理。这是通过一个自动化的数据收集管道实现的，该管道生成交互轨迹和推理痕迹，并特别纳入了源自失败尝试的自纠错数据。与基础代理相比，ReCAP在验证码求解成功率方面表现出显著提高，同时不影响其执行通用GUI任务的能力。
-
新的RECAP基准揭示AI提示适应性困境
研究人员推出了RECAP，这是一个旨在评估AI模型在主动方式下适应不断变化的约束条件的能力的新基准。当前的基准通常假设静态或被动环境，这不能反映必须立即遵守新规则的真实世界代理系统。研究发现，现有的提示优化方法在这种主动设置下表现不佳，没有显著改进，甚至增加了延迟。
-
新的ReCAP框架使用持续学习实现自适应投资组合管理
研究人员开发了一个名为ReCAP的新投资组合管理框架，该框架利用持续学习来适应不断变化的市场条件。这种方法将市场数据划分为不同的制度，并为每种制度学习特定的交易策略。然后，一个门控机制根据当前的市场状态动态地组合这些策略，从而无需广泛的再训练即可实现快速适应。实验表明，ReCAP在长期投资和对市场变化的响应能力方面优于现有方法。
-
U-CESE引擎增强了AI挑战赛的多模态事件检索能力
研究人员开发了U-CESE，一个统一的基于剪辑的事件搜索引擎，专为AI Challenge HCMC 2025设计。该系统旨在通过将多个模块整合到一个连贯的框架中，来改进从大型视频数据集中检索事件的能力。关键创新包括用于高效处理的统一剪辑算法（Unified Clipping Algorithm），利用JPEG文件大小变化进行轻量级关键帧提取的DAKE方法，以及生成时间上一致描述的字幕框架ReCap。
-
RECAP框架增强医疗AI的情感智能和透明度
研究人员开发了RECAP，一个旨在增强医疗对话系统中大型语言模型的情感智能和透明度的新框架。这种基于认知评估理论的推理时方法，可以在不重新训练模型的情况下将患者输入分解为可审计的阶段。跨各种模型的评估表明，RECAP提高了与人类判断的一致性，尤其是在较小的模型上，并揭示了模型倾向于低估关系因素。在盲法试验中，肿瘤学研究员对RECAP增强的响应的评分显著高于基线，表明其在提高临床对AI的信任方面具有潜力。
-
RECAP平台捕获 AI 编码助手交互以供分析
研究人员开发了 RECAP，一个开源平台，旨在捕获、回放和分析开发人员与 AI 编码助手的交互。该系统集成了 VS Code 中的聊天记录和代码编辑，创建了一个统一的时间线，从而能够详细研究编程策略和对 AI 的依赖。在为期数周的项目中，对 41 名学生进行了初步部署，成功记录了 2,000 多个提示和 8,000 次代码编辑，证明了 RECAP 在理解开发人员-AI 协作方面的实用性。