科学图表将复杂流程浓缩于一幅画布，但理解它们需基于论文的逐步讲解和视觉重点，这在现有视频生成系统和评测中缺失。为此，我们提出基于论文的图表转视频生成：从图表及其论文生成带解说且区域定位的演示视频。我们设计了MINARD（通过区域分解的多模态架构解读）管线，生成与论文忠实对应的解说并依序定位至图表区域。我们还发布了FigTalk基准，包含新的连续和组件级定位指标。在FigTalk上，MINARD生成类人且论文忠实的解说，并在人机评测及自动评测中在解说条件下图表空间定位方面超越现有方法。
这条 研究论文 信号说明，来自 arXiv cs.CL 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.CL 发布了这条关于 研究论文 的更新：科学图表将复杂流程浓缩于一幅画布，但理解它们需基于论文的逐步讲解和视觉重点，这在现有视频生成系统和评测中缺失。为此，我们提出基于论文的图表转视频生成：从图表及其论文生成带解说且区域定位的演示视频。我们设计了MINARD（通过区域分解的多模态架构解读）管线，生成与论文忠实对应的解说并依序定位至图表区域。我们还发布了FigTalk基准，包含新的连续和组件级定位指标。在FigTalk上，MINARD生成类人且论文忠实的解说，并在人机评测及自动评测中在解说条件下图表空间定位方面超越现有方法。
该研究解决了当前视频生成系统无法结合论文内容逐步讲述复杂科学图表的难题，提升了图表的可理解性和信息传播效率，对科学传播和教育具有重要意义。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
Hugging Face推出了olmo-eval，这是一个专为模型开发设计的评估工作台，简化模型评估流程，促进开发者循环中更高效的性能测试和改进。
大型语言模型作为代理在庞大工具库中面临关键的工具检索瓶颈。为解决嵌入式检索方法对专业工具语义捕捉不足的问题，参数化工具检索通过将工具编码为虚拟标记并进行两阶段微调，实现了强劲的检索性能。现有基准测试在查询和解码上存在限制，难以评估模型是否真正理解工具。ToolSense是一个开源的基于LLM的诊断框架，能自动生成多级歧义现实检索基准、多项选择和问答探测基准。应用ToolSense至ToolBench及多种训练配置揭示知识与检索能力的脱节现象，部分模型尽管检索表现优异，但在事实探测上表现接近随机。该框架及基准已开源。
Arbor 是一个多智能体框架，利用结构化树搜索作为自主代理在大规模、有状态动作空间中的认知层。不同于以往的无状态孤立目标优化系统，Arbor 维护一个含评分假设的搜索树，作为智能体间的共享工作内存，随着每次测量不断进化，将失败视为重新探索的诊断信号。验证中，Arbor 在全栈大语言模型推理优化中实现多达193%的吞吐-延迟帕累托改进，远超单一智能体的33%提升且避免崩溃。系统通过协同的 Orchestrator 和 Critic 智能体分工保障稳定性，展现硬件无关性和高可复现性。