本文探讨了当前前沿语言模型在解决多小时长任务时遇到的“视野鸿沟”问题，即模型在任务过程中容易丢失先前决策、草率结束工作或偏离目标。通过系统收集与分析2024至2026年间1547篇arXiv论文，本文明确区分了长视距任务、长上下文容量和长时记忆三种常被混淆的概念，并将相关研究按规划、记忆、执行、训练、评估及基础/安全六个类别进行分类。研究指出，随着任务视距变长，仅靠结果信号已不足以指导模型，领域内通过密集的步骤信号（如过程奖励模型、信用分配、轨迹诊断）来应对此挑战。文中强调批判性与诊断性文献的整合，提出了分辨模型能力与外部辅助区别、处理训练与评估中过程性信号偏差关联等开放的测量问题，展望构建长视距可靠性的一般预测理论。
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：本文探讨了当前前沿语言模型在解决多小时长任务时遇到的“视野鸿沟”问题，即模型在任务过程中容易丢失先前决策、草率结束工作或偏离目标。通过系统收集与分析2024至2026年间1547篇arXiv论文，本文明确区分了长视距任务、长上下文容量和长时记忆三种常被混淆的概念，并将相关研究按规划、记忆、执行、训练、评估及基础/安全六个类别进行分类。研究指出，随着任务视距变长，仅靠结果信号已不足以指导模型，领域内通过密集的步骤信号（如过程奖励模型、信用分配、轨迹诊断）来应对此挑战。文中强调批判性与诊断性文献的整合，提出了分辨模型能力与外部辅助区别、处理训练与评估中过程性信号偏差关联等开放的测量问题，展望构建长视距可靠性的一般预测理论。
随着复杂任务对语言模型能力的需求增长，解决长时间、多步骤任务中的视野鸿沟问题对于提升模型实际应用意义重大。本文系统梳理并分类当前研究，明确范畴与挑战，提出未来测量和理论构建方向，为长视距智能体的设计提供了重要的指导。
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、agents 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。
模型ML利用GPT-5.6 Sol，从研究和分析到可编辑、可追踪的PPT和Excel工作簿，完整完成金融工作流程。
UAV3DCrop是一个公开数据集，包含大规模无人机多角度农作物图像，覆盖玉米、大豆、小麦和燕麦等作物，用于评估三维重建技术在重复农田监测中的表现。该基准测试包含七种场景优化方法和四种预训练模型的多指标对比，评估包括图像外观、深度和冠层高度恢复。结果显示不同方法在不同指标上表现不一，当前三维重建技术尚未能兼顾外观、几何和度量精度，且预训练模型中仅有部分能恢复准确的尺度，表明农业场景的三维重建仍具挑战。数据集公开提供，促进精准农业视觉技术发展。
准确估计森林高度对于碳核算、生物多样性监测和生态系统管理等应用至关重要。虽然深度学习方法能提供准确预测，但通常无法量化预测不确定性，这在稀疏标注和地理分布变化的地理空间环境中尤为重要。本文研究了用于森林高度估计的深度证据回归（DER），基于TreeUQ基准数据集，利用Sentinel-1/-2多模态卫星数据和巴伐利亚州的树木清单数据，提出了适应极端标签稀疏性的掩码证据损失。采用U-Net结构，实现树高及其不确定性的一次性预测。实验表明，DER在保持与确定性U-Net相当性能的同时，能有效提供校准良好的不确定性估计，展示了证据学习在地球观测数据不确定感知森林结构估计中的潜力。