एम्बोडेड Agent Arena दस विजन-लैंग्वेज मॉडल एजेंटों का परीक्षण करता है, जो दर्शाता है कि जियोप्रोब स्थानिक नियोजन, नियंत्रण और पूरा करने में विफलताओं को उजागर करता है।
EditAgent उपयुक्त संपादकों के लिए संपादन चरणों को रूट करता है और विश्वसनीयता और दक्षता में सुधार करते हुए सूचीवार निर्णय लेने के लिए सत्यापन रिकॉर्ड का उपयोग करता है।
StreamVibe-Bench स्पष्ट, निहित और गतिशील उपयोगकर्ता इरादे पर सक्रिय वीडियो एजेंटों का परीक्षण करता है, जिससे AI को सही समय पर प्रतिक्रिया करने में मदद मिलती है।
Game2Real-Bench का मूल्यांकन करता है कि क्या छोटे, नियम आधारित खेलों में सफल होने वाले विजन-लैंग्वेज मॉडल वास्तविक दुनिया की छवियों के बारे में तर्क कर सकते हैं। यह 25 मॉडलों का परीक्षण 1,000 उत्पन्न …
स्पेसकास्ट-बेंच परीक्षण करता है कि क्या वीएलएम 16 कार्यों में 3,862 प्रश्नों का उपयोग करके अदृश्य स्थानिक परिवर्तन की भविष्यवाणी करते हैं, जो रोबोटिक्स और एआर के लिए निदान का समर्थन करते हैं।
Liquid AI ने अपने LFM2.5-VL-3B विजन-लैंग्वेज मॉडल के लिए DSpark ड्राफ्ट मॉडलों को जारी किया, Apple Silicon पर 3.13x और H100 GPU पर 2.66x तक डिकोडिंग समय में कटौती करने के लिए सट्टा डीकोडिंग का उपयोग क…