← 返回快讯

快讯事件 · 1 条来源

NVIDIA论文称:多模态模型工具调用会削弱拒答有害请求能力

omarsar0

推文介绍一篇NVIDIA团队论文称,让多模态模型在智能体场景中使用工具后,拒答有害请求的失败率最高相对上升68.7%,平均上升17.7%;该现象出现在Claude Opus 4.6和4.7、Gemini Agentic Vision、Qwen3.5-122B-A10B及agent-tuned开源模型,并横跨MM-SafetyBench、HoliSafe和VLSBench。作者将原因归因于工具输出淹没原始请求的恶意意图,以及模型注意力转向描述工具结果而非做安全决策;作者还提出,在最终回答前重新插入原始请求和图片可部分恢复被削弱的拒答。以上均为推文所述研究结论,未独立核实。

全部来源

前后事件

相关事件

Odyssey发布Odyssey-3世界模型,Physics-IQ Verified刷新最高分

Odyssey推出Odyssey-3世界模型,Odyssey-3 Pro在Physics-IQ Verified基准(要求模型续写真实物理实验视频)上取得新最高分。机器人演示中,机械臂在错过抓取后自行恢复,该行为未出现在数十小时的演示数据中。Odyssey称其可驱动机器人、训练AI并生成交互体验,目前可免费体验。

omarsar0共 1 条来源

RSIGym为自改进研究智能体提供服务化环境,Opus 4/5研究系统在SWE-bench Verified上从17.67%提升至50.33%

Fanqing提出RSI(递归自我改进)本质上是系统工程问题:RSIGym为研究型智能体提供训练、推理、评估和沙箱作为可调用的服务,让智能体把预算花在实验上而非重建基础设施。发帖者omarsar0赞同这一观点,并称以Opus 5作为研究者,改进后的系统在SWE-bench Verified上的成绩从17.67%提升至50.33%。

omarsar0共 1 条来源

研究:模型不变时,agent harness 可带来最高 3 倍成本差异

作者称在 SWE-bench Verified 上用同一模型运行了 Claude Code、mini-SWE-agent 和 OpenCode:前两者在 447 个任务上得分相差不超过 5 分,更换 harness 的影响约等于重跑一次(45 题困难子集上各有 13% 结果翻转)。成本差异主要来自每一步重复发送的 system prompt 和 tool schema;精简 harness 提示词和工具可在不降低准确率的情况下最多降本 3 倍。

omarsar0共 1 条来源

观点:后训练与RL时代开启,专用模型和数据飞轮比AGI更关键

作者omarsar0发文称,越来越多的公司和开发者开始意识到强化学习带来的商业机会;他认为对许多真实世界任务而言,并不需要AGI,而是需要合适的专用模型、运行框架(harness)和数据飞轮,并表示一个富有成果的后训练新时代正在到来,这一趋势正在全栈AI公司中发生并将持续增长。文中还引述Vincent Weisser的观点称"后训练/RL与推理正在接管算力"。以上为作者观点,未经独立核实。

omarsar0共 1 条来源

NVIDIA论文称:多模态模型工具调用会削弱拒答有害请求能力