★ 3
研究揭示多语言大模型推理轨迹存在语言差异
论文提出轨迹级分歧框架，将多语言大模型可见推理轨迹的一致性拆解为结构相似度、顺序一致性与整体相似度。在三个推理基准、七种语言、六个前沿模型上，整体相似度基线系统性高估一致性：整体相似度前 25% 的样本中 52.1%–67.3% 并不在结构相似度前 25%。双语盲标注显示人类判断更贴近结构相似度。
arXiv cs.AI11 天前
#一致性
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究揭示无标签评估盲点：高一致性错误答案
论文检验一致性可作为正确性代理的假设，使用四个金融问答数据集、十个一致性维度与两个前沿模型家族，发现 60% 的错误答案落在高一致性区域，其中 77.7% 出现完全答案坍缩。该高一致性/错误象限无法被任何基于一致性的评估信号检测，对依赖一致性替代人工标注的评估流程提出警示。
arXiv NLP17 天前
★ 3
研究：智能体重复任务一致性仅26%至62%
研究发现智能体在重复任务上表现不一致，42个任务三次运行中38%至74%的答案不一致，且95%以上生成内容用于重复推导已知计划。论文提出技能习惯形成方法，从执行历史中挖掘确定性技能变体，在text-to-SQL任务上实现全部456次重复调度输出一致，并减少14%至56%的token消耗。
arXiv cs.AI40 天前
★ 3
多智能体 VLM 系统的协作记忆框架
视觉语言模型智能体结合专门感知、工具与推理处理复杂视觉任务。多智能体场景下不同智能体检查不同图像区域、视频帧或视觉表示，协作从分布式推理延伸到分布式感知，使共享视觉上下文成为核心问题。论文围绕调和解释与更新依赖推理的需求，构建记忆层级、跨智能体共享与一致性机制，共享视觉记忆不仅保留图像或文本摘要，…
arXiv cs.AI46 天前
★ 2
10 秒视频惊艳，AI 做一部短剧为何仍难
文章讨论 AI 视频生成在 10 秒短片上的惊艳表现，但指出要生成一部完整短剧仍面临诸多难题。核心在于长时长一致性、叙事连贯与角色稳定性等技术瓶颈。
InfoQ AI22 天前