跳到正文
热点事件持续更新

开源页面原生多模态深度研究智能体DR Pixel

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Tiansheng Hu等作者提出并开源DR Pixel，一个以渲染页面图像作为唯一检索与推理单元的端到端多模态深度研究智能体，语料规模为1.06M页，同时发布自建基准DRPixelBench。 作者称，在DRPixelBench上，未经训练的页面原生方案在GPT-5.4、Gemini-3.5-Flash、Qwen3.6-27B上均优于基于OCR的基线，且所需工具调用更少。

AI 根据报道生成 · 2 小时前更新

最新进展11月4日 13:00
DR Pixel：用视觉语言模型做页面原生深度研究

报道时间线

沿着报道，了解事件的不同侧面。

11月4日
  1. arXiv cs.CL
    DR Pixel：用视觉语言模型做页面原生深度研究

    作者提出 DR Pixel，一个以渲染页面图像作为唯一检索与推理单元的开源端到端多模态深度研究智能体，语料规模为 1.06M 页。在自建的 DRPixelBench 上，未经训练的页面原生方案在 GPT-5.4、Gemini-3.5-Flash、Qwen3.6-27B 上均优于基于 OCR 的基线，且所需工具调用更少。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。