BriefGPT - AI 论文速递 ·

GraphextQA：评估图增强大语言模型的基准

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本文介绍了SciGraphQA数据集，它是一个合成的多轮问答数据集，使用295K个开放式多轮问答对话样本，并通过GPT-4评估了问题-回答的匹配质量。通过利用从图表中提取的序列化数据表格和DePlot模型，使用LLaVA-13B进行了进一步的改进，最终的评估CIDEr为0.26。

🏷️

AI代理评估是产品的一部分
该文讨论AI代理（Agent）的评估问题。文章指出，演示成功不代表系统可靠，需将评估纳入交付流程。建议建立可重复的评估系统，使用固定场景和真实任务，记录完...
Beyond Zero: Google Publishes Successor to BeyondCorp
In a recent research paper, Google introduced Beyond Zero, a “security model ...
SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
GPT-6 突然全量上线，额度重置再+1，全网实测效果太离谱
OpenAI发布GPT-6 Astra，面向多类用户开放但额度受限。其核心能力是直接在Blender等软件中构建可交互3D世界，如河流、海洋场景，并能从图...
uBlock Origin 回来了！第三方开发者将其完整功能移植到 Manifest V3
uBlock Origin因Chrome淘汰Manifest V2被禁用，开发者r58Playz推出MV3非官方移植版，保留完整功能。安装需Chrome ...
让炼丹更科学一些（九）：经典自适应梯度算法
本系列前面八篇文章，都是在围绕SGD及其学习率讨论。而从本文开始，我们将正式进入自适应梯度算法的世界。可以说，现在所有的自适应梯度算法，都有一个共同的源头...