Le filThèmes : RechercheÉvaluationsAgents
MaLiang-Harness organise la génération visuelle par MLLM en une construction, une inspection et une révision
1 sourcemis à jour 30 sept.pertinence 3,0 sur5
L’essentiel
Le framework vise l’écart entre un programme qui s’exécute et le visuel demandé. Sur ses deux benchmarks, GPT-6-Astra réussit 100 % des générations ; 96,0 % des images et 76,9 % des vidéos remplissent tous les seuils de qualité.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceHaoyu Zhao, Zihao Zhang, Xudong Wang et al.huggingface.co
MaLiang-Harness: A Programmable Path to Image and Video Generation (site externe)
Executable programs offer explicit control over how images and videos are constructed, but generating runnable code is only the beginning of visual creation. A program can execute correctly while violating the requested composition, appearance, or motion.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5