11:38arXiv: OpenAI@Marta Vallejo, Siwen Wang该研究通过十名参与者观看33张安全风险场景图像的眼动数据,生成人口平均注视热图。使用GPT-4o通过OpenAI Vision API生成视觉注意力显著性图,并与注视数据比较。空间对齐评估采用四个指标:皮尔逊相关系数0.515±0.117、NSS 0.988±0.323、KL散度1.766±0.844、AUC-Judd 0.806±0.076。与Gemini Pro、Gemini Flash和Claude的对比显示,所有模型AUC-Judd超过机会基线0.5且NSS为正。Gemini Pro在三个指标上定位最强,GPT-4o在KL散度上分布匹配最佳。论文GPT-4oGemini ProGemini FlashClaude视觉语言模型注意力安全场景10 个信源在谈推荐理由:想知道AI能不能像人一样在危险场景下抓住关键区域?这篇论文用GPT-4o、Gemini Pro等模型做了对比,发现它们不靠眼动训练数据就能大致预测人类注视点。原文
19:13AI Engineer@aiDotEngineer精选Magnus Carlsen 的象棋应用需要解释走棋原因,而不仅仅是评估局面。由于 LLM 在推理棋局时容易产生幻觉,团队将工作拆分:Stockfish 负责评估,检测器提取战术概念,LLM 仅负责翻译成自然语言。整个流程在 Gemini Flash 上耗时不到 3 秒。用户可在应用内标记不佳的解说,反馈会通过 Slack 和 Claude Code 自动触发修复循环,甚至能在手机上合并 PR。AI产品LLM国际象棋StockfishGemini FlashClaude Code3 个信源在谈推荐理由:这个架构解决了 LLM 在专业领域推理不靠谱的痛点,做 AI 教练或需要解释复杂逻辑的开发者可以直接参考。原文