摘要： 
Skill-α 把 agent skill 的生成变成"一步步改"，用 rollback reward（编辑前后在同一任务上跑一遍对比）给每次编辑打分，绕开了"skill 没有天然监督信号"这个本质难题。如果你在做 agent、正头疼 skill 怎么积累而不是手写，这篇值得读。 阅读全文
Skill-α 把 agent skill 的生成变成"一步步改"，用 rollback reward（编辑前后在同一任务上跑一遍对比）给每次编辑打分，绕开了"skill 没有天然监督信号"这个本质难题。如果你在做 agent、正头疼 skill 怎么积累而不是手写，这篇值得读。 阅读全文
posted @ 2026-08-07 09:21
Lusca2026
阅读(1)
评论(0)
推荐(0)
摘要：
💡 一句话带走：AWS 的 IDP AutoOpt 派一个跑在闭环里的 LLM agent（评分 → 逐字段诊断错误 → 改配置 → 重评），把一整条文档处理流水线的配置（prompt、模型、OCR、schema、结构）自动调到人类专家水平，号称 2 小时干完几周的活、还更省钱。做 RAG / 多 阅读全文
posted @ 2026-08-05 15:53
Lusca2026
阅读(0)
评论(0)
推荐(0)
摘要：
💡 一句话带走：Infinity-Parser2 把"可控数据合成 + 多任务联合强化学习"拧成一个端到端文档解析大模型，开源 500 万双语数据和两个模型，给"用一个模型替掉整条解析流水线"提供了很强的公开基线——做 RAG / 文档智能的人值得在自己数据上跑一遍。 做 RAG 或文档智能的人， 阅读全文
posted @ 2026-08-04 13:47
Lusca2026
阅读(2)
评论(0)
推荐(0)
摘要：
资源 论文：https://arxiv.org/abs/2607.29677 代码：https://github.com/run-llama/ExtractBench 数据集：https://huggingface.co/datasets/llamaindex/ExtractBench 项目主页：n 阅读全文
posted @ 2026-08-03 12:07
Lusca2026
阅读(5)
评论(0)
推荐(0)
摘要：
TL;DR 这篇论文用 "MLLM 当 corrector、衡量 OCR 原始输出与校正后输出的差异" 的思路，提出一个无需人工标注的 OCR 引擎选择框架 DocOCR-Eval：对每个候选引擎的输出依次跑三阶段错误诊断（字符噪声 \(D_c\) / 分词错误 \(D_t\) / 语义一致性 \( 阅读全文
posted @ 2026-08-02 00:48
Lusca2026
阅读(6)
评论(0)
推荐(0)
浙公网安备 33010602011771号