本期 42 件事。点击标题可查看卡片、来源与相关知识点。
MiniMax开源M3.1 Flash模型权重（总参数428B、激活参数23B），通过稀疏注意力、W4A4量化MoE与功耗感知调度提升推理效率，上线72小时内真实用户处理Token超100万亿，首日即获华为昇腾、NVIDIA、AMD及Together AI等平台接入。
据腾讯研究院AI速递（20261026），MiniMax开源了M3.1 Flash模型权重，能力较上一代M3全面提升。本条关注的问题是：在大参数规模（428B总参数）下，如何通过架构与量化手段控制激活参数（23B）与推理功耗，从而支撑超大规模真实调用量。
腾讯研究院（搜狐同步）
查看来源原文SkyProduction天工工作台于10月19日上线官方资产库，开放6000多套内部沉淀素材，覆盖人设、场景、道具三大类，试图用可复用资产缓解AI视频创作中的角色与场景一致性问题。
据腾讯研究院AI速递（标注20261020）报道，SkyProduction天工工作台推出官方资产库，将内部产能组积累的爆款资产经清洗整理后对外开放，总量6000多套，分为人设、场景、道具三大类。该资产库针对的问题，是AI视频生成中角色换脸、场景重搭等一致性难题——通过提供标准化、可筛选、可复用的素材，减少每次生成时重新构建角色与场景的成本。
腾讯研究院（搜狐同步）
查看来源原文匿名模型 Space Bunny（太空兔）以免费、100万上下文、多模态和匿名期不留存用户数据为卖点，在 OpenCode 调用量稳居第二并曾登顶 OpenRouter 调用榜；社区实测显示其在 3D 与前端动效等代码生成场景表现突出，但模型归属、长期能力和标准化评测仍待核实。
据腾讯研究院 AI 速递 20260929，Space Bunny（太空兔）于 9月23日上线。 上线后，该模型稳居 OpenCode 调用量第二，曾登顶 OpenRouter 调用榜；OpenCode 官宣贴浏览量超百万。 其宣称或呈现的特点包括：免费可用、100万上下文、多模态，以及匿名期不留存用户数据。 可关注的问题是：调用榜热度和社区案例能在多大程…
腾讯研究院（搜狐同步）
查看来源原文Sharpa发布人形D01，触觉从指尖铺到全身
腾讯研究院（搜狐同步）
查看来源原文据材料，OpenAI 将 ChatGPT 的 100 美元与 200 美元方案分别改称 Pro Standard 与 Pro More，并删除“Plus 用量 5 倍/20 倍”的明确表述，仅保留“More usage than Plus”；Codex 仓库 PR 与泄露字符串指向新增 Pro Max 档位，但官方细节、定价与硬件传闻均待核实。
围绕 ChatGPT 订阅档位命名和用量承诺的变化：用户于 9 月 27 日发现定价页改动；Codex 仓库 9 月 25 日合并 PR 出现 Pro Max 档位；旧 prolite 与 pro 对应 Standard 与 More。研究问题是：当定价页删除具体倍率、帮助文档仍保留旧说明时，用户应如何判断现有 Pro 权益是否变化？待核实。
腾讯研究院（搜狐同步）
查看来源原文据腾讯研究院AI速递（20260929），MiniMax Code 新增 M3.1-Flash-Preview，并把推理深度拆成 low、med、high、xhigh、max 五档独立选择；默认组合为 M3.1-Flash-Preview + max，轻任务可手动下调，以减少为简单需求支付深度推理成本。
材料显示，MiniMax Code 的模型选择器新增 M3.1-Flash-Preview，与 M3、M2.7-highspeed、M2.7 并列。 官方定位：M3.1-Flash-Preview 是面向日常开发的“快速可靠”模型。 同步变化：推理深度不再只随模型绑定，而是被拆为五档独立可选。 该条关注的问题是：AI 编码工具如何让用户按任务难度调节推理预…
腾讯研究院（搜狐同步）
查看来源原文来源材料显示，腾讯研究院发布“数字内容研究实习生”招聘信息，研究方向覆盖影视、微短剧、短视频、网文、AIGC等，要求能综合使用AI工具进行研究支持，工作地点为北京朝阳亚洲金融大厦，税后150元/天，每周坐班5天、实习6个月以上者优先，立即上岗者优先。
这是一则实习招聘信息，而非研究论文或产品发布。岗位为“腾讯研究院 数字内容研究实习生”。来源材料列出岗位描述、工作内容、岗位要求和申请方式。材料未提供发布日期、截止日期或招聘人数，相关时效性待核实。
腾讯研究院（搜狐同步）
查看来源原文基于 OpenAI 页面元数据与候选摘要，GPT-6.1 Sol 被描述为在编码、计算机使用和专业工作上具备“接近 Astra”的智能，并以 Astra 标准 API 输入与输出 token 价格的五分之一提供；但正文未能抓取，上述规格、定价和发布状态均待核实。
OpenAI 页面标题为 **Introducing GPT-6.1 Sol**，URL 为 https://openai.com/index/introducing-gpt-6-1-sol。当前未能抓取正文，只能依据已知元数据和候选摘要整理。候选摘要称：Meet GPT-6.1 Sol: near-Astra intelligence for codin…
OpenAI
查看来源原文仅据来源元数据和候选摘要，OpenAI 页面 “Introducing dots” 指向一个名为 Dots 的主动式助手，声称可跨复杂项目与日常任务持续工作，并让用户保持控制；但原始正文未抓取，所有产品细节与发布时间均待核实。
英文标题：Introducing dots 原始来源：https://openai.com/index/introducing-dots 来源元数据：Track 为 industry，Topics 为 ai-industry。 候选摘要原文：Dots by OpenAI are a proactive assistant that can keep wor…
OpenAI
查看来源原文根据现有元数据，OpenAI DevDay 2026 是一场面向开发者的大会，据称发布了 20 多项公告，覆盖 GPT-6 Astra、ChatGPT、Codex、API、安全与面向构建者的新工具；但原始正文未能抓取，具体内容与细节均**待核实**。
事件：OpenAI 举办 DevDay 2026，并以“DevDay 2026 Recap”页面进行回顾总结。 依据候选摘要，该回顾涉及“20 多项公告”（more than 20 announcements），主题涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全（security）以及面向构建者（builders）的新工具。 研究/…
OpenAI
查看来源原文马斯克称，Anthropic 已让 AI 擅长软件工程，但尚无人让 AI 真正擅长现实世界工程；他希望用 SpaceX 与 Tesla 数据训练 Grok，使 AI 进入汽车、机器人和火箭系统。
来源材料将本条列为“报告观点”：马斯克接受央视财经约 26 分钟专访。 核心判断：AI 的下一场硬仗是从 IDE 中的软件工程，走向受传感器、执行器、材料与安全规则约束的现实世界工程。 关键问题：当错误无法像代码一样回滚时，AI 如何进入汽车、机器人、火箭等物理系统？
腾讯研究院（搜狐同步）
查看来源原文据腾讯研究院AI速递（标题标注20260929），昆仑万维 SkyProduction（天工工作台）在9月27日开放 AI MV 创作，把 Mureka 歌曲生成、视频/图片智能配乐与 Seedance 2.5 视频生成整合进同一无限画布工作流。
材料称，SkyProduction（天工工作台）开放 AI MV 创作，无限画布接入 Mureka V8、V9、V9.5，并同步上线视频与图片智能配乐。该条关注的是：AI MV 能否从单点生成工具，转为在同一画布内完成歌曲、分镜、视频与配乐协同的生产流程。
腾讯研究院（搜狐同步）
查看来源原文Agility Robotics Announces New Directors for Planned Public-Company Board Press Release September 29, 2026
agilityrobotics.com
查看来源原文根据 AGIBOT 官网新闻标题，AGIBOT 与 ASD 被描述为在 100 家零售店部署 100 台 AGIBOT X2 人形机器人；但抓取到的正文仅为网站导航链接，部署是否已完成、具体地点、用途和运营细节均待核实。
Fetched title 显示：“AGIBOT and ASD Deploy 100 AGIBOT X2 Humanoid Robots Across 100 Retail Stores-AGIBOT Innovation (Shanghai) Technology Co., Ltd.” Manual title 标注为：“AGIBOT and ASD…
agibot.com
查看来源原文星源智与智源研究院联合研发的 Thor 全身控制模型，让一台自重 37.15kg 的人形机器人拉动 1434kg 汽车并双足行进 9.92 米，创下“40kg 以下人形机器人拉动最重汽车”吉尼斯世界纪录；其核心增量是把“力自适应躯干倾斜”显式写成训练奖励。
研究/发布主体：星源智（Xingyuanzhi，英文名待核实）与智源研究院（BAAI）联合研发；具体机器人本体型号、发布时间与地点未在材料中给出，**待核实**。 目标问题：在强外力交互（拉拽、推门、拖拽）场景下，人形机器人如何在双足不稳、接触力不确定的条件下保持全身稳定并持续输出有效拉力。 记录口径：以 37.15kg 自重拉动 1434kg 汽车、双足…
腾讯研究院（搜狐同步）
查看来源原文在长时程智能体任务中，把“如何推进执行”的控制选择做成显式的元推理过程，可让控制器在预算与记忆约束下调度工作者；该方法在 ProgramBench 等基准上超过直接控制/生产编码代理，并在测试预算扩展时继续改善，但小预算下自身开销可能拖累表现。
论文关注：随着 agents 处理更长、更复杂的问题，控制执行本身成为一项任务。每一步都产生控制选择：基于哪些部分工作进行构建、是否重新开始、何时停止。作者提出 agentic meta-reasoning，一个推理时 harness（inference-time harness），目标是把这些控制选择变成显式且结构化的推理过程，并检验其能否扩展 agen…
arXiv 论文
查看来源原文STEPQuant 提出面向 Delta 规则循环状态的时空后训练量化框架，在名义 6-bit 预算下接近 FP32 状态精度，并在 SGLang 集成中实现超过 5 倍循环状态压缩、总服务内存最多降低 68.7%。
论文研究线性注意力中的内存问题：线性注意力用固定大小的循环状态替代不断增长的 KV cache，但这些持久状态在并发服务下可能成为显著内存瓶颈。直接将这些循环状态量化到低精度，常因量化误差在连续状态更新中传播而导致严重精度退化。作者进一步追问：这些误差在“何时”和“何处”影响更大。
arXiv 论文
查看来源原文Skill-Space Shooting（技能空间射击）用基础模型引导，在可复用技能空间中探索纠错行为，并把成功试次转化为机器人策略改进；据摘要，真实世界实验显示自主运行策略可重复改进，技能还可共享以降低新任务所需教学。
英文标题：Skill-Space Shooting for Autonomous Robot Policy Improvement。 作者：Zihang Rui, Renhao Wang, Haoxu Huang, Yang Gao。 arXiv ID：2609.38178v1；主分类 cs.RO；分类 cs.RO, cs.AI, cs.LG；发布/更新时…
arXiv 论文
查看来源原文一篇讨论“世界-动作模型”表征空间应如何设计的研究，主张仅靠重建保真度或预训练感知特征都不足以支撑有效策略学习，并据此提出以 DINO 预训练特征为基础、经特征校准与时间表征瓶颈组织的 ReWAM；据候选摘要，其在 RoboTwin 2.0 上报告 93.6% 成功率（完整正文未获取，数据待核实）。
研究问题：世界-动作模型（world-action model）同时学习机器人策略并预测未来观测，因此其表征空间是“控制”与“预测”之间的接口。什么样的表征设计才能真正同时服务于两者？ 作者通过受控对比（controlled comparisons）考察这一设计空间，核心发现为：重建保真度高，或直接使用预训练感知特征，单独都不足以保证策略学习效果。 论文标…
arXiv 论文
查看来源原文LIFT（Latent Information Feedback Transformer）通过把循环状态学习转化为教师强制预测问题，在预训练中让 Transformer 语言模型学会将深层信息反馈到浅层/后续生成步；在 135M–1B 参数范围、token 匹配预算下，它持续优于标准 Transformer 和基线，并在状态跟踪任务上表现出显著样本效率优势…
标准 Transformer 语言模型是前馈的：深层表示不会反馈到浅层，跨生成步向下流动信息的唯一路径是已解码 token。该狭窄通道迫使模型重新计算中间结果，并丢弃替代续写。本文研究能否在预训练阶段移除这一瓶颈，使语言模型具备跨生成步传播状态的能力。为此提出 LIFT 架构与训练方法。
arXiv 论文
查看来源原文PowerSim 提出将预训练 PowerFoam 的 power diagram 3D 表示直接与 Material Point Method（MPM）耦合，使可微物理仿真的运动直接驱动场景几何与外观，无需中间辅助表示；摘要称其在物理基础动力学上优于先前框架，并支持动态场景中的二次光线反射等应用，具体定量结论待核实。
来源材料为一篇 arXiv 论文，标题为 **PowerSim: Differentiable Physics Simulation and Rendering with Power Diagrams**，作者为 Trong-Tung Nguyen、Anand Bhattad，主分类为 cs.CV。材料标注发布时间与更新时间为 2026-09-29T17:…
arXiv 论文
查看来源原文Point2Part 将3D部件分解重新表述为对整个形状的联合完整划分：用户为每个期望部件提供一个3D点提示，模型输出互不重叠且共同覆盖整个形状的部件；摘要称其在图像到部件生成、网格到部件生成和部件分割三个任务上均优于现有工作，并将部件间兼容性相较此前 SOTA 提升一个数量级。
现有3D部件分解方法不必然把原始形状划分为互不重叠且完整覆盖的部件，可能出现重叠或空隙，从而阻碍下游部件级应用。该工作研究的问题是：如何从图像或网格出发，以可提示、可控的方式联合分解所有期望部件，使每个形状体积内的位置恰好属于一个部件。
arXiv 论文
查看来源原文DeGG-Flow 将多智能体生成过程建模为控制仿射动力系统，通过解耦生成引导为共享/私有耦合需求提供引导条件与理论保证，并在多机器人协作和多对象场景生成中直接生成满足对应硬需求的对象，包括训练未见过的团队规模。
生成建模常用于从复杂、多模态分布中产生多样对象，但其表达力通常不自动保证生成对象满足硬约束或要求。多智能体生成使问题更难：一个硬要求可能依赖多个智能体共同满足，而每个智能体可能需要在不知道其他智能体同时计算的引导输入的情况下，确定自己的引导输入。为此，论文提出 DeGG-Flow，一个用于多智能体流匹配与解耦生成引导的通用框架。
arXiv 论文
查看来源原文LongLive-Plug 提出一种 once-for-all 蒸馏框架：把可复用能力作为 LoRA 学到基座模型上，再以免训练、即插即用的方式部署到兼容的下游视频扩散模型，从而避免为每个专用模型重复蒸馏；具体效果与边界待核实。
视频扩散模型越来越多被开发为面向多样下游任务的专用模型；这种开发常包含蒸馏阶段，例如加速采样或改进长视频生成。 摘要指出的问题是：该蒸馏阶段通常对每个专用模型重复执行。 论文提出 LongLive-Plug，研究能否在基座模型上一次性学习可复用能力，并复用于兼容下游模型。 材料显示作者包括 Shuai Yang、Luozhou Wang、Wei Huang…
arXiv 论文
查看来源原文LongHarness Bench 是一个同时评测长上下文 harness 有效性与效率的基准；它指出既有长上下文评测难以区分现代 harness，最佳 model–harness 组合在四个评测套件上仅达 68% macro-average accuracy，且同一底层模型在不同 harness 下效率差异显著。
论文关注的问题是：语言模型（LM）harness 通过额外计算让 LM 更有效地处理长上下文，但现有长上下文评测不足以区分现代 harness，表现为跨 harness 的准确率饱和，以及评测成本大体相似。
arXiv 论文
查看来源原文LIFT 是一个统一图生视频框架，在相机轨迹控制之外引入“未来布局（Layout-In-Future）”控制，让用户在给定首帧图像时不仅能指定相机怎么动，还能指定未来（尤其是末帧）画面里应出现什么、出现在哪里；为缓解末帧稀疏布局监督难以学习的问题，作者提出同策略自蒸馏（On-Policy Self-Distillation, OPSD），把密集逐帧布局教师…
研究问题（据候选摘要）：可控视频生成中，相机控制只规定视角轨迹，文本提示只提供粗粒度语义，两者都无法精确决定未来视角下的内容与空间布局；当视角变化很大、首帧中不可见的区域被揭示出来时，这一问题尤其突出。 因此作者把“末帧布局”作为显式的未来场景控制信号，即用户可以指定未来视图中应该出现什么、出现在哪个位置。 论文标题为 *LIFT: Layout-In-F…
arXiv 论文
查看来源原文论文提出 Meta-Skill：Builder 在模型权重固定条件下，从 Target 的执行反馈中学习“何时需要支持、提供什么资源”的原则，形成冻结技能库，并用它为未见任务构建 Harness；在 Harness-Bench 和 NewtonBench 上，完整元技能库比无技能构建提升 8.95 个百分点，比把同一技能库直接交给 Target 提升 12…
英文标题：Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI。 研究问题：Agent 表现不仅取决于推理能力，也取决于其行动环境。论文研究 test-time AI-for-AI：Builder 如何在 Target 与自身权重都固定的情况下，学习为 Target 构建更好的执行…
arXiv 论文
查看来源原文LeapQuant 是一种免训练方法，把混合线性注意力模型的循环状态量化到 8-bit，并通过分窗量化、补偿 token 与残差平滑，在 Qwen、Kimi、GLM 系列上取得与 FP32 基线相当的精度，同时报告 kernel 级 2.05–3.70×、端到端 1.47× 的平均加速。
近期 LLM 采用混合设计，用线性注意力替代标准注意力，例如 Gated DeltaNet (GDN) 和 Kimi Delta Attention (KDA)。这些设计把上下文压缩到固定大小的循环状态，显著降低长上下文处理成本，但反复读取和更新该状态仍是主要推理瓶颈。量化是降低该成本的直接思路，却可能因舍入误差累积以及状态中的离群行/列而显著损害模型质量…
arXiv 论文
查看来源原文Imagine3D-LLM 提出一种让 MLLM 从多视图图像中先组装紧凑 3D 表示、再基于该表示回答问题的思路；摘要称其在多项空间推理与 3D 理解基准上一致优于先前方法。
多视图图像中的 3D 世界推理仍是多模态大语言模型（MLLMs）的根本挑战。现代 MLLM 擅长单图输入，但难以把跨视角证据整合为连贯的 3D 理解。已有工作通过增强细粒度像素级跨视角对应，或融合 3D 几何基础模型特征来注入 3D 意识，但仍与人类推理存在较大差距。本文回到人类空间推理的启发：人类并非依赖细粒度几何线索，而是粗略识别跨视角共同物体、推断视…
arXiv 论文
查看来源原文FracGen 是一个“断裂感知”的视频生成模型：输入一张完整物体的单张图像，在物理信号条件下生成可控的断裂动态；其配套仿真框架 FracSim 用连续介质损伤模型增强物质点法（MPM），在不额外增加渲染成本的前提下产出配对断裂视频与稠密像素对齐物理场，用于训练与监督生成模型。（以上基于候选摘要与元数据，正文未抓取，细节待核实）
研究问题：如何让视频生成模型产生**物理上可信、且可控**的断裂/撕裂动态，而不是只拟合表面外观。 目标场景：从一张完好物体的单张图像出发，预测材料在受力后如何先变形、再开裂、裂纹如何扩展。 关键主张：无需测试时仿真、也无需逐场景调参，即可体现不同材料的断裂行为差异；并可细粒度控制“在哪里撕裂、裂纹传播多快、失效前变形多少”。 该工作同时提出一个用于评估生…
arXiv 论文
查看来源原文EmoRES-TTS 是一种免训练的情感 TTS 向量引导方法：它把情感向量拆成“共享成分”和“残差成分”并分别控制；材料称其在 IEMOCAP 上、以 IndexTTS-2 与 CosyVoice2 为骨干时，四个客观情感指标均优于 CoCoEmo，同时人类评估显示情感识别率、保真度和自然度偏好有提升。
研究问题：情感条件 TTS 模型可能无法可靠表达请求的情感；通过额外训练提升可控性，会带来计算成本和情感标注语音数据成本。 本文研究 vector steering：一种免训练方法，通过修改冻结模型的内部表示实现控制。 既有方法 CoCoEmo 将每个情感向量视为不可分方向，仅由单一全局强度控制，材料认为这限制了对请求情感的遵循。 本文发现：情感向量可分解…
arXiv 论文
查看来源原文据摘要，DMA$^2$ 面向像素空间教师模型重新设计 DMD 的教师匹配与真实数据匹配接口，并引入 DINO-Adv 与 AF-Loss，形成四步文生图蒸馏方案；在 DPG-Bench、GenEval、VQAScore、COCO30K 上，四步学生优于 25 步教师及所评估的少步蒸馏器。
分布匹配蒸馏（DMD）是少步扩散生成的通用框架，但其现代文生图实例主要围绕潜在扩散构建，因而忽略了原生 RGB / 像素空间的性质与设计机会。本文研究的问题是：当教师模型位于像素空间时，应如何改造 DMD 的接口，以实现有效的文生图少步蒸馏。
arXiv 论文
查看来源原文论文提出混合 Transformer-卷积模型 **Cropland Parallel Attention and Refinement Network for Segmentation (PAtteRNS)**，声称是首个分别对 Sentinel-2 多光谱卫星影像时间序列（SITS）的时间、光谱、空间维度使用自注意力的模型；它在 PASTIS 与 MT…
论文关注作物分割中的两个问题：卫星影像时间序列数据集和分割架构都在快速增多，但过度追求最新概念或最大数据集，可能忽略更细的评估与数据构建问题。 研究问题包括：如何对 Sentinel-2 多光谱 SITS 数据进行高效的全因子化注意力建模；不同 tile-size 变体、数据集内类别分组差异如何影响模型性能与可比性。
arXiv 论文
查看来源原文PRISM 通过反事实视频生成，把少量真实人-物交互视频放大为大规模训练集，再用接触锚定的 real-to-sim 流程重定向为物理可行轨迹，从而训练单一策略；该策略在真实人形机器人上仅用机载深度观测即可完成多类物体的拾取、搬运和放下，且没有真实世界微调。
材料关注的问题是：通过视觉模仿教人形机器人学习 loco-manipulation（如搬运多样物体）很有前景，但采集多样、高质量、能清楚显示人体全身与物体无遮挡交互的视频，是扩展该路线的实际瓶颈。论文提出 PRISM，试图用“真实→仿真→真实”的框架克服这一限制。
arXiv 论文
查看来源原文CLeaR 是一个免训练（training-free）的风格迁移框架，主张通过正交子空间投影、集成反演与能量引导校准三个环节，在扩散生成全流程中同时压制“内容泄漏”并维持风格保真；论文称在 StyleBench 上取得更好的风格对齐、更低的泄漏和更优的 LLM-as-Judge 评价（具体数值与对比基线待核实）。
论文标题（英文原文）：*CLeaR: A Unified Framework for Resolving the Leakage-Degradation Dilemma in Style Transfer* 来源标识：arXiv:2609.38136v1（链接见“原始材料”；该编号对应的具体提交时间与版本状态待核实） 研究问题：风格迁移的目标是把目标内容渲…
arXiv 论文
查看来源原文英文标题：**Breaking the Uniformity Trap: Scaling Video Diffusion Model via SplitMoE** 来源：https://arxiv.org/abs/2609.38140v1 Track：academic；Topics：foundation-model 研究问题：传统视觉 MoE 采用 tok…
arXiv 论文
查看来源原文论文摘要声称：在“共同原因”假设下，非局域窗口必须位于物种形成窗口内；并给出系统规模增长时两个窗口收缩为单一极限时间的相变条件，在高斯混合中解析验证。具体证明细节、实验证据与适用范围待核实。
论文关注生成模型动力学中的两个时间窗口： **物种形成窗口（speciation window）**：样本承诺或锁定到某一语义类别的阶段。 **非局域窗口（nonlocality window）**：局部上下文窗口不足以支持生成的阶段。
arXiv 论文
查看来源原文材料称，Grounded Entity Biographies（GEB）把长视频中同一物理实例的视觉接地观察跨片段组织为可检索“传记”，并在问答时与情节证据共同检索，从而在多个长视频问答基准上优于既有记忆框架；在 EgoLifeQA 上达到 72.0% 准确率，比已发表最佳结果高 4.4 个百分点。
长视频问答常需要连接数小时或数天中涉及同一物体的事件。论文指出，按时间线描述和从文本抽取的实体可能无法解决物理身份问题：不同物体可能共享同一描述，而同一物体的多次观察可能在不同事件中断开。因此，检索到相关事件并不一定能恢复问题所指向的特定实体的“传记”。论文提出 GEB 来应对这一问题。
arXiv 论文
查看来源原文据候选摘要，AdviSD（Advisor Self-Distillation）让一个可训练的小型“顾问”模型用自然语言建议去引导冻结的语言模型执行者，并把结果奖励强化学习与“有选择性的”自蒸馏结合起来；在摘要口径下，它在 BFCL-v3 与 EnvScaler 上优于 advisor-GRPO。以上细节尚未经正文核验，待核实。
论文标题（英文）：**AdviSD: Learning to Advise Frontier LLMs via Targeted Multi-Turn Self-Distillation** 来源：arXiv，track 标注为 academic，主题标注为 foundation-model。 问题设定（据候选摘要）：小型可训练顾问 + 冻结执行者的非对称…
arXiv 论文
查看来源原文对预训练像素扩散模型，在保留原扩散/流匹配目标的同时，对非高噪声时间步的预测输出加入对抗损失进行后训练，可联合改善分布保真度、覆盖度、提示对齐和感知质量；其机制与恢复自然图像高频频谱功率有关，且在测试的潜空间扩散配置中未观察到可比增益。
英文标题：Adversarial Training for Pixel Diffusion。 来源：arXiv:2609.38170v1，2026-09-29 发布/更新，主分类 cs.CV。作者：Xin Lin, Zhifei Zhang, Yuqian Zhou, Haitian Zheng, Zhe Lin, Ming-Hsuan Yang, Tru…
arXiv 论文
查看来源原文在平均奖励弱耦合 MDP（WCMDP）中，作者识别出与 restless bandits 类似的条件，并设计了一种非优先级策略，使最优性间隙达到 $O(1/N)$；这优于此前一般 WCMDP 中不优于 $1/\sqrt{N}$ 的结果。
研究对象是 average-reward weakly-coupled Markov decision processes（WCMDPs）。 一个 WCMDP 由 $N$ 个较小的 MDP（称为 arms）组成，这些 arms 共享多个 per-step budget constraints。 所考虑的设置中，arms 具有 identical model…
arXiv 论文
查看来源原文有研究主张：用拉普拉斯谱间的 Wasserstein 距离这一单一聚合数值来评估大语言模型的图重建，会丢失“改了哪些边”的信息；该距离被“净边数变化”与“对称差”两个边计数（各按 2/n 缩放，n 为顶点数）上下夹住，且当两端不重合时，二者残差可作为“同时新增与删除边”的混合编辑证书，仅凭已报告的汇总统计即可算出。
研究指向一个评测实践问题：语言模型做图重建（graph reconstruction）时，评测通常只报告原始图与重建图之间的**一个聚合距离**。 本文的问题设定是：这样一个标量汇总到底能不能代表重建质量？它在什么条件下会退化、丢失信息？能否从汇总数字本身反推出编辑行为的性质？ 作者选择的分析对象是**拉普拉斯谱之间的 Wasserstein 距离**（距…
arXiv 论文
查看来源原文