月度归档： 2025 年 6 月
突破开放世界移动操作！首个室内移动抓取多模态智能体亮相，微调模型真实环境零样本动作准确率达 90%
上海人工智能实验室联合新加坡国立大学、香港大学等机构的研究团队提出OWMM-Agent，首个专为开放世界移动操作设计的多模态智能体。通过仿真器合成数据微调大模型，在真实环境中实现零样本单步动作预测90%的准确率。
通杀主流LLM！用知识图谱“撬开”大模型安全门，黑盒越狱新范式HBS-KGLLM发布
南京航空航天大学团队提出HBS-KGLLM框架，通过增强知识图谱挖掘有害信息结构化知识，实现有效探测LLMs的安全性能。该方法成功率高、成本低，并已在多款主流模型上测试表现优异。
打破多模态数学推理瓶颈：港中文MMLab发布MINT-CoT，将细粒度视觉推理链引入数学领域
港中文 MMLab 提出的新方法 MINT-CoT，通过引入‘视觉交错思维链’实现细粒度视觉与文本推理融合，在多个基准数据集上刷新 SOTA，显著提升多模态大模型在数学视觉任务中的表现。
所有爆款 AI 视频一键生成？Hailuo Video Agent 体验
归藏带来了HailuoVideoAgent体验分享，展示其专业视频创意模版、编辑自由度提升以及电商场景与科普类视频生成能力，强调半自动化工具的重要性，并期待后续阶段的发展。