Syed Nazmus Sakib
PulseAugur coverage of Syed Nazmus Sakib — every cluster mentioning Syed Nazmus Sakib across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
研究质疑RLVR中难度标签的可靠性
一篇新的研究论文质疑了在具有可验证奖励的强化学习（RLVR）中使用的难度标签的可靠性。研究表明，先前被认为不可学的提示实际上可能会得到改进，尽管速度较慢，并且难度标签本身的重现性不如预期。研究人员提出了一个框架来量化这种不稳定性，并确定可靠难度分配所需的评估深度，同时重新审视了用于解释慢学习现象的梯度相似性证据。
-
新的MIRAGE基准测试了网络代理的调查能力
一个名为MIRAGE的新基准已被开发出来，用于评估自主网络代理的调查能力。该基准包含750个跨维基百科取证、购物管理和Reddit版主任务的多步决策任务，每个任务都有一个可能具有误导性的可见表面上下文和一个需要主动调查的隐藏上下文。对八个LLM代理的评估显示，尽管代理可以访问相关页面，但它们难以提取决定性证据，在面对矛盾信息时常常失败，并表现出显著的调查性幻觉率。
-
新的VQA数据集面向植物科学AI诊断
研究人员推出PlantExpertVQA，这是一个专为植物科学应用设计的新型视觉问答数据集。该数据集包含超过76.5万个问答对，来源于超过15万张图像，涵盖38种作物和89种病害。该数据集旨在提高农业领域视觉语言模型的诊断推理能力，因为当前模型在该数据集上的表现不佳。即使在PlantExpertVQA的一小部分数据上进行微调，也能显著提升模型的性能，证明了该数据集在领域适应性方面的实用性。
-
PhyDrawGen 使用神经符号 AI 生成精确的物理图表
研究人员开发了 PhyDrawGen，一个从自然语言描述生成物理图表的新颖系统。这个神经符号管道首先使用大型语言模型从文本中提取场景图，然后由求解器将其转换为精确的几何表示。经过微调的 Qwen-VL 模型会迭代地优化图表，以确保其符合物理定律和几何约束。在 1,449 个物理问题基准测试中，PhyDrawGen 的表现优于 GPT-5-image 和 Gemini 等现有模型。