PulseAugur
中
实时 08:06:49
实体 When2Call

When2Call

PulseAugur coverage of When2Call — every cluster mentioning When2Call across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
6
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天

4 天有情绪数据

最近 · 第 1/1 页 · 共 6 条
  1. SIGNIFICANT · CL_362418 ·

    Liquid AI 的 d1.2 模型凭借全模态能力在决策指数中名列前茅

    Liquid AI 推出了其新的 d1.2 和 d1.2-ultra 决策模型,能够处理文本、图像和音频输入。这些模型提供固定答案集的校准概率,而不是生成文本,其中 d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上取得了 75 的最高分。新模型还引入了五种额外的任务类型,包括读取特定值、查找所有跨度、定位对象、估计范围内的数字以及选择多个适用选项。

  2. COMMENTARY · CL_354306 ·

    Gemini Decision 1 vs. Jev 1.14: 策略评估胜过基准分数

    一项技术性比较评估了 Gemini Decision 1 与 Jev 1.14 在路由文本请求方面的表现,强调了评估路由策略而非单一基准分数的重要性。虽然 Gemini 在 JevBench 和总体校准方面领先,但 Jev 在 When2Call 基准测试中显示出更高的准确性。分析指出,Gemini Decision 1 由于其输入定价而成本更高,每输入 token 的成本大约是 Jev 1.14 的 2.38 倍,尽管实际运营成本可…

  3. TOOL · CL_315078 ·

    新框架评估 LLM 语音工具调用能力

    研究人员开发了一个新框架,用于评估大型语言模型(LLM)在处理语音输入时的工具调用能力,解决了现有基于文本的基准测试的局限性。该框架通过整合文本转语音、说话人变化和环境噪声,将基于文本的评估转换为基于音频的评估,同时保留了原始标注。在 Gemini-3.1-Flash-Live 和 GPT-Realtime-1.5 等模型上对 Confetti 和 When2Call 等转换数据集进行的评估显示,性能因模型和任务而异,Gemini-3…

  4. TOOL · CL_311927 ·

    Vektor的桌面AI代理将消息路由准确率提升至90%

    Vektor发布了其AI代理Desk的更新版本2.0.1,显著提高了其自动路由能力。新版本现在能够将约90%的消息正确路由到相应的模式,远高于之前的11%。这一改进使得Desk能够智能地为用户的查询选择最佳模式,无需手动输入,从而提高了效率和用户体验。该公司还详细介绍了技术方法,包括用于决策的信号、隐私考虑以及发布前实施的严格测试程序。

  5. TOOL · CL_277398 ·

    Cloudflare推出Clef-Flash,一个用于快速分类的9B决策模型

    Cloudflare发布了Clef-Flash,一个拥有90亿参数、专为速度和效率设计的决策模型,该模型基于Qwen3.5-9B构建。与传统的聊天模型不同,Clef-Flash在一个前向传播中处理输入状态和类型化问题,并返回预定义答案的概率,而不生成自由文本。这使其适用于支持工单分类等任务,可以快速分类其紧急程度和负责人。Cloudflare还提供了一个名为Clef的更大、经过精度调优的27B参数模型,该模型包含用于图像分类的视觉能力。

  6. RESEARCH · CL_271100 ·

    新框架 SAKIKO 审计 LLM 工具使用干预的真实修复效果

    研究人员开发了 SAKIKO,一个旨在评估大型语言模型(LLM)中使用外部工具的内部干预效果的新审计框架。该框架旨在区分模型行为的真正“修复”和可能引入新错误的“纠正”。对包括 Qwen3-4B 和 Gemma-2-9B 在内的七个 LLM 的实验表明,虽然一些干预措施显示出净收益,但它们经常会破坏相当一部分基线正确的决策,这凸显了对结果进行解决式裁决的必要性。