多模态相关 AI 资讯

8月21日

01:03

Y Combinator@ycombinator

精选

Y Combinator Paper Club 本周聚焦数据。随着模型在任务和语言上扩展，关于训练和评估的旧假设开始失效。专家们讨论了训练数据、基准测试和多语言预训练的挑战与前沿。Vincent Sunn 谈论了智能体基准测试的艺术与科学。Volokhuleshov 介绍了 Inception 扩散语言模型。Shayne Redford 讲解了 ATLAS 多语言模型的实用缩放定律。

推荐理由：Y Combinator Paper Club 请了三位专家，分别讲了智能体基准测试、扩散语言模型和实用缩放定律，都是数据相关的前沿话题。

原文

00:53

Replicate@replicate

bfl_ai 发布了 FLUX Video Upscale 工具。该工具可将视频放大至 1080p、2k 和 4k 分辨率。它提供两种模式：Precise 模式可精确保留人脸和产品细节。Creative 模式则通过提示词重建精细纹理。

AI产品 FLUX Video Upscale bfl_ai 视频生成

事件专题

推荐理由：bfl_ai 刚刚发布了 FLUX Video Upscale，能把视频放大到 4K，还有个能重建细节的创意模式，比普通放大工具强多了。

原文

00:24

官方账号NVIDIA AI@NVIDIAAI

精选

Cosmos Labs 展示了其 Cosmos 3 模型的后训练效果。演示中，该模型与 Aigen 和 Linker Vision 合作，处理视觉任务。视频展示了模型在特定场景下的实际应用能力。

AI模型 Cosmos 3 Cosmos Labs Aigen

推荐理由：看 Cosmos Labs 怎么用 Aigen 和 Linker Vision 展示他们 Cosmos 3 模型的后训练效果，挺有意思的。

原文

8月20日

23:43

23:43IT之家（博客/媒体）

开发者 Grow Now! Games 用 ASCII 字符构建了一座可自由探索的 3D 城市。项目没有使用 3D 模型或着色器，仅依靠一套小型自研引擎。引擎通过从摄像机向网格发射射线来计算透视、纵深和物体大小，并实现碰撞检测。靠近玩家的物体会由更大、更明亮的字符组成，距离越远则越小、越暗，从而制造出纵深感。

AI产品 Grow Now! Games ASCII 3D

推荐理由：Grow Now! Games 用 ASCII 字符做出了一个能自由探索的 3D 城市，没有 3D 模型，全靠自研引擎实现透视和碰撞，比普通 ASCII 画酷多了。

原文

23:05

23:05IT之家（博客/媒体）

精选

阿里推出 Qwen-UI-Agent，一个以真实世界为中心的 GUI 智能体基座模型，涵盖移动端、电脑端、网页端及深度搜索环境。在移动端 MobileWorld 基准上得分 82.1%，超越 GPT-5.6 Sol、Claude Opus 4.8 等模型；真机基准 MobileWorld-Real 得分 92.2%，接近满分。电脑端 OSWorld-Verified 得分 79.5%，超越 GPT-5.5、Gemini 3.1 Pro 等模型。浏览器 & DeepSearch 方面，WebArena 得分 73.6%，位列所有对比模型第一。

AI模型 Qwen-UI-Agent 阿里 GUI智能体

事件专题

推荐理由：阿里刚发了 Qwen-UI-Agent，能直接操作手机电脑屏幕，移动端比 GPT-5.6 Sol 高 12 个点，还能在真实手机上跑任务，以后帮你自动查地址、订高铁、整理文件应该更靠谱了。

原文

23:05

The Rundown AI@therundownai

Anthropic 的 Claude 模型被用于蛋白质设计任务。该模型在蛋白质结构预测和设计方面展现出能力。蛋白质设计是生物医学和材料科学领域的关键应用。

AI模型 Claude Anthropic 蛋白质设计

事件专题

推荐理由：Anthropic 的 Claude 开始做蛋白质设计了，这把 AI 的能力边界又往前推了一步。

原文

23:05

量子位@henry

Kimi K3在18个Agent自主科研任务中表现优异。该模型在Harness框架下运行，其性能接近OpenAI的GPT-4o。Kimi K3在多项基准测试中展现出强大的多模态理解能力。该模型在处理复杂科研任务时表现出色。

AI模型 Kimi K3 GPT-4o Harness

事件专题

推荐理由：Kimi K3用Harness框架，在18个Agent科研任务里，性能快追上GPT-4o了，挺厉害的。

原文

23:04

eric zakariasson@ericzakariasson

Vercel AI SDK 新增了流式响应功能。该功能允许开发者实时处理 AI 模型生成的文本。开发者无需等待完整响应即可开始渲染内容。此功能适用于 Vercel AI SDK 的用户。

AI产品 Vercel AI SDK 流式响应多模态

推荐理由：Vercel AI SDK 加了流式响应，能实时处理 AI 生成的内容，不用等全部生成完再显示，比原来快多了。

原文

23:04

elvis@omarsar0

在模拟咖啡电商场景中，智能体需追踪库存、采购、履约和客户需求。外部条件变化时，智能体需要调整计划。用户意图是逐渐显现的，任务会分阶段展开。

AI模型智能体多模态 AI安全

推荐理由：Omar Sar0 发推指出，真实世界比封闭基准更难。智能体在模拟电商场景中，需要动态调整计划以应对变化。

原文

23:04

eric zakariasson@ericzakariasson

Grok 4.6 模型现已通过 API 提供服务。该 API 采用 OpenAI 兼容格式。用户可将 Grok 4.6 作为 OpenAI 的直接替代品使用。

AI产品 Grok Grok 4.6 OpenAI

事件专题

推荐理由：Grok 4.6 的 API 出来了，格式和 OpenAI 一样，直接替换就行，不用改代码。

原文

15:15

15:15IT之家（博客/媒体）

精选

DeepSeek Harness版本更新后，支持配置启用原生图片请求，适配多模态需求；虽然DeepSeek v4视觉版未正式发布，但底层已为视觉功能做准备工作；修复了图片尺寸过大等问题，提升多轮对话中图片处理的稳定性；新增带图发送命令功能，拓展交互形式。

AI产品 DeepSeek Harness DeepSeek v4 多模态

事件专题

推荐理由：DeepSeek Harness更新支持带图发命令，能同时传截图和文件，和之前只能纯文本比更灵活方便。

原文

14:45

14:45IT之家（博客/媒体）

MiniMax Design 发布的多模态创作工作台，依托 H3 多模态视频模型，助力用户实现创作流程自动化。该工作台可理解创作目标、拆解任务，调用模型完成素材处理与内容生成。H3 模型具备多模态理解、视频生成等能力，MiniMax Design 让其参与内容从构思到交付的全流程。

AI产品 MiniMax Design H3 多模态视频

推荐理由：MiniMax 发了 H3 基础的设计工作台，能帮你自动搞视频创作，比单独用模型更方便参与全流程呢。

原文

10:19

官方账号arXiv cs.LG@Zhenyao Cui, Siyuan Kan, Siyang Li, Ziwei Wang, Dongrui Wu

SCORE模型采用无标签框架解决跨主体脑电信号到图像检索难题，分析不同受试者脑电特征后发现概念表达方向存在差异，通过坐标对齐与源训练恢复目标脑电坐标，在200 - way检索测试中超越最强基线取得最优准确率。

论文 SCORE 多模态脑电信号

推荐理由：SCORE模型发布了无标签跨主体脑电图像检索方法，不用给每个人标数据就能做检索，比之前没标注时效果好很多。

原文

10:19

官方账号arXiv cs.LG@Zhenyao Cui, Siyuan Kan, Dingkun Liu, Dongrui Wu

近期研究发现，传统脑信号到图像检索技术依赖多次试验平均，当试验次数减少时检索准确率明显下降。该团队发现问题不仅源于查询噪声，还与图像表示的画廊布局有关，于是提出NEAR框架。NEAR通过锚定神经和视觉表示来优化检索过程，在EEG、MEG、fMRI等多类数据集测试中，提升少重复场景下检索表现，如THINGS-EEG2数据集上单次试验Top-1准确率提升5.7个百分点。

AI模型 NEAR EEG MEG

推荐理由：我朋友知道有个叫NEAR的新方法，能帮脑信号图像图像检索不用试那么多遍，和以前方法比，少重复的时候效果更好了。

原文

10:19

官方账号arXiv cs.LG@John Mangum, Andrew Glaws, Francois Usseglio-Viretta, Steven Spurgeon, Donal Finegan

利用超分辨率生成对抗网络（SRGAN）提升电池电极材料EBSD分析吞吐量，该技术以锂镍锰钴氧化物（LiNixMnyCozO2）正极颗粒数据为基础开展训练；研究对比了2倍至12倍上采样下的经典插值方法，验证SRGAN在保持晶粒边界与晶粒尺寸上的优势；采用5倍上采样时可实现25倍速度提升或更大视野，且关键指标误差处于合理范围。

论文 SRGAN NMC EBSD

推荐理由：朋友说那个用超分辨率生成对抗网络做电池材料EBSD分析的团队，训练了NMC正极数据，比传统方法效率更高，5倍上采后效果明显。

原文

10:18

官方账号arXiv cs.AI@Jayjun Lee, Jessica Yin, Asif Rana, Nicholas Blauch, Sam Mady, Mohak Bhardwaj, Nima Fazeli, Nathan Ratliff, Karl Van Wyk, Ankur Handa

精选

ADEPT是一种强化学习框架，通过预训练和后训练方式提升多指机器人的灵巧性。该模型在23自由度的Kuka-Allegro和29自由度的Flexiv-Sharpa上测试，可从原始感知直接完成长时任务。它先针对通用物体摆放任务进行预训练，再将预训练行为作为先验用于下游任务的后训练。通过稳定后训练流程，实现模拟到现实的转移并达到人速级别的灵巧操作。

AI模型 ADEPT Kuka-Allegro Flexiv-Sharpa

推荐理由：我了解ADEPT这个模型，它是用强化学习让机器人更灵活，学新动作时能直接用之前的经验，和没这么训练的方法比，效果更好。

原文

10:18

官方账号arXiv cs.AI@Ramneet Kaur, Pradyumna Chari, Ramesh Raskar, Jugad Singh, Sumit Kumar Jha, Anirban Roy

Qwen3-0.6B模型在多代理拍卖场景中，通过新框架监测潜在隐蔽协作；该框架对同质化代理的检测准确率达0.993，异质化组合达0.854；测试显示对小范围竞拍者监测负载小，全白盒干预能恢复出价分布并降低合谋行为47.3个百分点。

AI模型 Qwen3 智能体多模态

推荐理由：Qwen3推出了VLA框架，用来监测多代理潜在通信，在小范围拍卖里表现好，你可以去了解下。

原文

10:14

官方一手arXiv: OpenAI@Charles de Bourcy, Sahra Ghalebikesabi, Avi Schwarzschild, Alex Gorbachev, Mihai Maruseac, Annie Chu, Vol Kyrylov, Tong Mu, Ally Bennett, Andy Nguyen, Casey Meehan, Jessica Gan Lee, Shane Bauer, Harold Nguyen, Rodolpho Eckhardt, Yuqi Liu, Charlie Oxborough, Marco Rougeth, Omar Chedid, Caio Costa, Yash Parikh, Yao Li, Congzheng Song, Om Thakkar, Vinnie Monaco

OpenAI推出的Privacy Filter模型卡，该模型有1.5亿总参数，用于检测和红action文本中的个人身份信息；该模型通过单次前向传递标注输入序列，支持12800 - 词上下文窗口；它能配置操作点平衡精确率与召回率，涵盖八类隐私分类。

AI模型 OpenAI Privacy Filter AI安全

事件专题

推荐理由：OpenAI发布了Privacy Filter模型卡，能高效处理文本隐私信息，效果比传统方案更专业。

原文

10:11

官方一手Pandaily@contact@pandaily.com (Pandaily)

DeepSeek Harness 发布 v0.1.0 - rc.8 更新，为自公开测试版以来的首次重要更新；本次更新包含 14 项变更，涉及多模态输入与子代理协作等方面；新增原生图像请求与混合文本图像输入功能，使代理能够处理截图；还通过 OCR 与像素分析实现‘视觉’功能，让原本仅支持文本的模型也能‘看见’；

AI模型 DeepSeek Harness 多模态子代理

事件专题

推荐理由：DeepSeek Harness 推出 v0.1.0 - rc.8 更新，加了图像请求和多模态功能，比之前能处理更多内容的了。

原文

08:25

官方账号Pika Labs@pika_labs

精选

Pika推出的Seedance 2.5模型升级为1080p版本，该模型可依据少量视觉参考推导剪辑、音乐与镜头语言风格，其1080p版本在Pika API Club上线后，价格较竞品降低约60%

AI产品 Seedance Pika 视频生成

推荐理由：Pika推出了Seedance 2.5 1080p版，用少量视觉参考就能做剪辑、音乐和镜头设计，比竞品便宜不少，想做视频创作的可以试试

原文

06:16

官方账号Pika Labs@pika_labs

精选

Pika Labs推出的文本条件化扩散音频生成技术，采用44.1kHz立体声波形解码方式，将文本转化为高质量音频。该技术利用压缩声学潜在空间实现Transformer提示条件化，优化生成效率。通过流程匹配、教师–学生蒸馏及人类反馈训练，使生成过程缩短至少量优质步骤。

AI模型 Pika Labs 音频生成多模态

推荐理由：Pika Labs这技术能把文字快速转成带44.1kHz音质的音频，比以前方法少步骤还高效。

原文

03:55

Martin Fowler@martinfowler

OpenAI发布的GPT-5获得9000分的基准分数，比前代模型提升15%；该模型优化了多模态处理能力，在代码生成任务上表现更优，受到开发者广泛关注。

AI模型 GPT-5 OpenAI 基准分数

事件专题

推荐理由：OpenAI发布了GPT-5，能更好处理多模态和代码生成，和前代比提升明显，对开发者很有用。

原文

03:25

Browser Use@browser_use

Browser Use v4 agent借助特定prompt查找美国相关信息并生成学习资料，该成果收获559次浏览体现其实效性；采用美学化浏览器方式学习新事物，可提升学习过程的吸引力；这种学习模式与传统方法对比，更具视觉上的美感。

技巧 Browser Use v4 agent 提示词工程学习辅助

推荐理由：浏览器用Browser Use v4agent发prompt找美国信息做幻灯片，它能帮你高效学东西，和普通学习方法比更美观有趣。

原文

02:41

lmarena.ai@lmarena_ai

Agent Arena推出的Pareto前沿平台上，Claude Opus 5（High）在真实代理任务中表现领先，提升+12.34%；该平台对比了各模型成本与性能，@OpenAI的GPT 5.5（High）表现突出，提升+7.75%；参与对比的多款知名模型包括Kimi K3（Max）和Groq 4.5等，帮助用户了解不同模型差异。

AI模型 Claude Opus 5 Kimi K3 GPT 5.5

事件专题

推荐理由：Agent Arena发布了Pareto前沿平台，能查各模型做真实任务里的表现，像 Claude 和 GPT 这些对比后就知道哪个更划算。

原文

02:26

Mustafa Suleyman@mustafasuleyman

精选

微软推出的MAI-Image-2.5-Pro成为Artificial Analysis图像编辑榜单第一名，超越了Reve 2.1、GPT Image 2等模型，同时在文本转图像领域位列第七；该模型于7月23日在Microsoft Foundry预览发布，主打高质量图像处理功能。

AI模型 MAI-Image-2.5-Pro Artificial Analysis 图像编辑

事件专题

推荐理由：微软发布了MAI-Image-2.5-Pro，做高质量图像编辑很厉害，比Reve 2.1这些模型表现更好，适合专业图像任务使用。

原文

8月19日

23:11

23:11IT之家（博客/媒体）

字节跳动大模型部门Seed完成组织调整，成立四个新的一级部门。Pretrain Data团队由李成刚负责，将统一负责新Omni模型的多模态数据和超大模型预训练工作。Seed正在讨论训练参数规模超5万亿的模型，将超过阿里的Qwen 3.8-Max（2.4万亿参数）和月之暗面的K3（2.8万亿参数）。此次调整旨在打破原有团队边界，减少重复工作，提高协作效率。

行业 Seed 字节跳动 5万亿参数

事件专题

推荐理由：字节跳动在为5万亿参数大模型铺路，Seed团队大调整，B端C端应用分开，Omni模型多模态数据整合。

原文

22:42

Hailuo AI@Hailuo_AI

H3模型在MiniMax Design平台上展现强大生成能力，专门适配动效、特效等商业内容领域，让创作者无需专业软件就能完成无编辑创作；该功能推出后，为商业内容创作者提供创新工具选择；基于H3模型的特性，其在MiniMax Design上的应用效果显著。

AI模型 H3 MiniMax Design Hailuo_AI

推荐理由：我朋友说Hailuo AI发布了H3在MiniMax设计上的功能，能让做动效的人不用专业软件就创作，和之前比效率高多了。

原文

22:38

Philipp Schmid@_philschmid

72°

Gemini 3.7 Flash在@ArtificialAnlys推出的AA - AnalystAgent评测中获得第一名。该评测包含80项真实世界的定量分析任务，覆盖14个业务与科学领域。评测采用Python 3.12沙盒环境，提供pandas等多类库辅助脚本编写。Gemini 3.7 Flash在准确性、速度等方面表现领先。

AI模型 Gemini 3.7 Flash AA - AnalystAgent 推理模型

推荐理由：Gemini 3.7 Flash在这项真实任务评测中夺冠，能高效处理多样数据，比其他参与者表现更好。

原文

22:38

官方账号LangChain@LangChainAI

Google 推出了 Gemini Pro 新版本，该版本在多模态任务上实现更优表现，在 Image Captioning 基准上达 98% 准确率，是其多模态模型能力的重大更新

AI模型 Gemini Pro Google Image Captioning

推荐理由：和同学说：Google 推出 Gemini Pro 这个版本，多模态方面表现好，和旧版比提升明显，值得看看

原文

22:38

eric zakariasson@ericzakariasson

Cursor团队介绍了Origin构建过程，该模型源于20年Git基础设施发展；Origin作为Git存储系统，在设计上注重可靠性；对比传统Git托管方案，Origin在性能和可扩展性表现更优。

AI产品 Origin Cursor Git存储

事件专题

推荐理由：Cursor分享了Origin构建的故事，讲了Git存储怎么设计，和普通Git托管比更靠谱，值得看看。

原文

12:26

小互@imxiaohu

Ann Nguyen测试了Gemini 3.7 Flash、Kimi K3、Claude Opus 5和GPT 5.6 Sol四个模型。她给模型提供小柠檬作为提示，要求绘制人体姿势与物体融合的图像。各模型对这一创意任务表现出不同的理解和表现能力。

AI模型 Claude Opus 5 Gemini 3.7 Flash Kimi K3

事件专题

推荐理由：Ann测试了四个模型如何将人体与物体融合绘画，Claude Opus 5的创意表现令人印象深刻。

原文

11:45

官方账号arXiv cs.AI@Xingjian Wang, Zhao Wang, Taihang Hu, Jun Zheng, Qing Jin, Qinye Zhou, Zhengtao Wu, Yongchao Du, Zuan Gao, Chao Lin, Yefeng Shen, Xiaoli Xu, Zhengze Xu, Hao Yan, Yuhang Yu, Mingzhou Zhang, Mengting Chen

精选

研究人员提出能力驱动的数据基础设施，构建了440M图像的T2I语料库和120M编辑对。该框架包含三个专门数据引擎，为文本-图像接地、图像间转换和图像-知识关联提供监督。基于此，团队训练了3B和6B两种规模的多模态扩散模型，在CPI-Bench评估中展现广泛视觉覆盖和多功能渲染能力。

论文图像生成扩散模型多模态

推荐理由：这篇论文提出了一种新数据设计方法，训练出能同时处理多种图像生成任务的大模型，比传统方法更高效。

原文

01:49

lmarena.ai@lmarena_ai

Agent Arena 推出了新的分类功能。用户可以通过 arena.ai/leaderboard/ag… 网址在线尝试这些新分类。该推文发布后获得了889次浏览。

AI产品 Agent Arena 智能体多模态

推荐理由：Agent Arena 上线了新分类，你可以去 arena.ai/leaderboard 看看，体验一下新功能。

原文

01:45

官方账号Pika Labs@pika_labs

精选

Pika推出Soundtrack音频模型，为视频生成原生音乐、配音和动作感知音效。该模型是Pika的4个前沿音频模型之一，即使无指导也能捕捉氛围。Pika音频模型刚发布，价格比市场其他产品便宜20倍。

AI产品 Pika Soundtrack 视频生成

推荐理由：Pika Labs刚推出Soundtrack音频模型，能给视频加原生音乐和音效，价格比其他产品便宜20倍，creators测试后很惊艳。

原文

01:20

Milvus@milvusio

77°

Milvus 3.0 Storage V3 引入 Manifest 作为数据集的版本化事实来源。该功能解决了 Parquet 文件无法独立表明所属数据集版本及适用删除操作的问题。Manifest 统一管理文件版本、Schema、统计信息和索引，为存储层提供更清晰的契约。这减少了多模态 AI 基础设施中不必要的重复数据拷贝。

AI产品 Milvus Manifest 向量数据库

推荐理由：Milvus 3.0 推 Manifest，解决多路径数据版本混乱问题。

原文

8月18日

17:05

官方账号阿里通义 Qwen@Alibaba_Qwen

Qwen-3.8-27b与Gemini-3.7-flash进行对比测试。Qwen-3.8-27b生成的水面模拟效果更一致、视觉更惊艳。该模型在3090显卡上运行，使用Q5量化版本。

AI模型 Qwen3.8-27B Gemini-3.7-flash 多模态

事件专题

推荐理由：Alibaba_Qwen发布了Qwen3.8-27B，单提示就能生成惊艳效果，对比Gemini-3.7-flash表现更好，还能在本地3090显卡上运行。

原文

15:33

官方账号arXiv cs.AI@Yuanzhi Xu, Qian Gao, Jun Fan, Guohui Ding, Zhenyu Yang, Yuteng Xiao, Sixue Lin

本研究提出密集同类属性错绑（DSCAM）问题，指视觉语言模型在拥挤场景中将属性错误分配给同类实例。作者发布InstaBind-Lite基准，含524张图像、529组3-6个同类实体、1773个框选实例及9580个确定性评估问题。测试5个开源和2个商业/API模型，开源系统平均错绑率19.84%，API系统7.55%，且80%以上错误源于相邻实例。该基准将错误答案分类为可识别来源，检验模型是否知道每个属性归属哪个实例。

论文 InstaBind-Lite 视觉语言模型 DSCAM

推荐理由：想测多模态模型在拥挤场景里会不会张冠李戴？这个新基准InstaBind-Lite能精准量化，开源模型错绑率近20%，比想象中严重。

原文

00:29

Philipp Schmid@_philschmid

精选

Philipp Schmid 在推文中展示 Gemini 3.7 Flash 通过 ADB 控制 Android 模拟器完整玩完一局 Wordle。模型直接读取屏幕图像，逐步点击虚拟键盘输入单词，整个过程延迟低、视觉推理稳定。作者认为该模型非常适合移动设备控制和 Computer Use 等多模态智能体任务。

AI模型 Gemini 3.7 Flash Wordle ADB

推荐理由：看 Gemini 3.7 Flash 直接操控安卓模拟器玩 Wordle，能看懂屏幕、反应快，做手机自动化智能体很靠谱。

原文

8月17日

10:36

官方账号arXiv cs.LG@Hanfeng Lu, Tianyu Feng, Suyi Li, Yuheng Zhao, Wei Gao, Shaopan Xiong, Ju Huang, Siran Yang, Jiamang Wang, Lin Qu, Wei Wang

Rollplex 是一个针对视觉语言模型强化学习后训练的运行时，它将参考评分和训练阶段分解，并把前缀计算移入 rollout 解码窗口。在 Qwen2.5-VL-32B 上，朴素共置需要约 165 GiB/GPU 显存，Rollplex 通过相位感知内存管理和并行感知权重共享解决显存与张量并行度差异。在 32 张 H800 GPU 上，相比串行共置获得 1.23–1.30 倍加速，相比同 GPU 预算下的分离式部署获得 1.57–2.24 倍加速，同时保持同步 RL 更新语义。

论文 Rollplex Qwen2.5-VL H800

推荐理由：搞 VLM 后训练的人可以看看：Rollplex 把前缀计算塞进解码窗口，32 张 H800 上最高提速 2.24 倍。

原文

10:22

官方账号arXiv cs.AI@Beatrice Alessandra Motetti, Emilien Guandalino, Daniele Jahier Pagliari, Alessio Burrello, Lorenz K. Müller, Konstantin Berestizshevsky, Lukas Cavigelli

Wyvern是一个多智能体框架，用于自动生成有据可查的多模态技术报告，能统一集成图像、表格、文本及参考文献。其核心包含声明自动修订阶段，用于强化内容的信息锚定。人类评估显示，Wyvern生成的图表信息量在87%的案例中优于近期基线。Wyvern报告的有用性在63%至100%的实例中高于三种对比方法。自动评估中，Wyvern的引用召回率提升至基线2.3倍，引用精确率达1.6倍。

论文 Wyvern 多智能体多模态

推荐理由：写技术综述的可以看看，Wyvern自动出图出表还带引用，比基线靠谱多了。

原文