arXiv:2608.14741v1 Announce Type: new Abstract: We introduce PolyComp, a procedurally generated and verified benchmark that stresses visual recognition and compositional spatial reasoning. In each problem, a model must identify which of four options shows a pair of polycube components that can be…
arXiv: 261 030.36527v1 Тип уведомления: новое резюме: письменные стенограммы того же выступления могут отличаться друг от друга по тому, что не является единственным способом, определяемым речевым сиг...
arXiv: 261 0306393v1 Сообщение типа: новое резюме: Моделирование многомасштабной динамики в городских автодорожных сетях имеет существенно важное значение для интеллектуальных транспортных систем, но ...
arXiv:2603.15401v2 Тип уведомления: заменить перекрестное резюме: навыки агента, структурированные пакеты процедурных знаний, введенные на закладку времени, все чаще используются для увеличения числа ...
arXiv:2604.192998v3 Annuales Type: заменить перекрестное резюме: базовый лидер сообщает одно точное число, но это количество является совместным продуктом модели и правила баллов. Мы задаемся вопросом...
arXiv: 2610.35980v 1 Annualce Type: кросс-бюллетень: разработка игр напрягает агенты по кодированию в том смысле, что это не так: правильность зависит от того, как взаимодействуют API двигателя, серий...
arXiv: 261 030.34717v2 Annuales Type: заменить кросс-бюллетень: модели Vision-Language-Action (VLA) все чаще работают на кабельных устройствах на борту роботов, где запоздалость ограничивает контроль ...
arXiv: 261 030.36715v1 Annualce Type: кросс-бюллетень: Невральное музыкальное редактирование требует системы для внесения запрошенных изменений при сохранении музыкального контента, который должен ост...
arXiv:2610.37162v1 Вид уведомления: перекрестное резюме: контрольные показатели оценки охвата и охвата дают количественную оценку того, охватывают ли полученные доказательства различные элементы инфор...
arXiv:2505.13004v2 Annuales Type: заменить резюме: существующие контрольные параметры генерации кодов в первую очередь оценивают функциональную точность, с ограниченным акцентом на эффективность кода ...
arXiv: 2608.14753v2 Annuales Type: заменить перекрестное резюме: синтетические табличные данные часто оцениваются по реализму, конфиденциальности или результатам работы ниже по течению. Эти оценки не ...
arXiv:2610.37430v1 Анонс Тип: новое резюме: для надежного использования модели мультимодальных больших языков (MLMs) должны признавать, что изображение не дает достаточных доказательств для ответа на ...
arXiv: 261 030 37326v1 Аннот. Новое резюме: Существующие оценки трехмерного генерации сцены в помещениях, в значительной степени подчеркивают семантическое верность и физическую достоверность на отдых...