数据治理是 AI 智能体成功的关键

本文提出NUMINA框架，通过识别提示-布局不一致性并调制交叉注意力，提升文本到视频扩散模型生成对象数量的准确性。在CountBench测试中，NUMINA将计数准确率最高提升7.4%，同时保持时间一致性。该工作为无需训练的数字对齐提供了实用解决方案，推动了文本到视频生成的精确控制。

研究者提出了ClawBench评估框架，包含153个真实在线任务，覆盖144个生产网站。评估显示当前前沿模型仅能完成少量任务（如Claude Sonnet 4.6仅33.3%），该框架为AI智能体向通用助手发展提供了关键测试基准。