跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

中国最应该做 Personal Agent 的,是 Looki

作者|Yoky微信|yokyliu617Personal Agent 火了,但纯软件的 Personal Agent 很快暴露出一个问题:它知道的还不够 personal。它可以读邮件、查日历、操作浏览器,知道用户在数字世界里做过什么;但用户离开屏幕后见了谁、去了哪里、正在讨论什么,它往往一无所知。越想让 Agent 理解一个具体的人,这部分缺失就越显眼。于...

中国最应该做 Personal Agent 的,是 Looki

CEMIR 与 FISER:基于推理与基于知识扩充的语用意图识别方法的比较研究

arXiv:2610.32022v1 发布类型:新 摘要:在人机交互中,意图识别要求智能体通过推断说话者的潜在目标来化解含糊不清的自然语言指令。近年来,研究日益聚焦于两种颇具代表性的范式来应对这一任务:结构化符号推理与多模态输入增强。然而,在那些歧义源于未明示的人类意图而非缺失可观测场景信息的情形下,基于增强的方法是否确实具有优势,仍不明确。本文开展了一项对比与诊断性研究,将采用结构化社会与具身推理的FISER框架与CEMIR(上下文增强型多模态意图识别)方法进行基准测试——后者是一种实施多模态增强的技术。

CEMIR vs. FISER: a comparative study of reasoning-based and enrichment-based approaches to pragmatic intent recognition
事件进展与其他报道

用于室内无线电地图估计的协同上下文学习

arXiv:2610.31702v1 发布类型:新 摘要:室内无线地图估计(RME)对于覆盖规划、定位和网络部署等无线应用至关重要。然而,现有方法大多采用监督学习范式,需要耗费高昂成本的标注数据,并进行针对特定任务的模型训练。此外,室内环境涉及建筑布局与结构等隐私敏感信息,这些信息往往无法集中管理。为应对上述挑战,我们首次尝试将室内RME建模为一种协同式上下文学习(ICL)问题。我们提出了Poly-Ripple框架,其中多个客户端在无需更新模型的情况下,利用大型自回归视觉模型(LAVMs)进行ICL。每个客户端均通过其私有演示数据获得提示。

Collaborative In-Context Learning for Indoor Radio Map Estimation
事件进展与其他报道