本期 46 件事。点击标题可查看卡片、来源与相关知识点。
Karpathy 发推估算，全球约 5000 人（约 0.00006%）能在内部直接使用最前沿 AI 系统，约 60 亿人（约 75%）几乎没接触过 LLM；他把这一差距归因于任务规模与时间跨度、能力集中在可验证且经济价值高的领域，以及免费版、付费版与内部系统的访问权限分层。
来源为腾讯研究院 AI 速递（20261013）第八条，转述 Karpathy 的一条推文估算。 核心问题：最前沿 AI 系统在人群中的实际可及性分布，以及这种分布背后的结构性原因。 该估算是 Karpathy 的个人推文判断，非基于公开审计数据的研究结论。
腾讯研究院（搜狐同步）
查看来源原文Artificial Analysis 于 2026-10-13 发布 Decision Index v1.0，用四项评测（知识/幻觉、推理、工具调用、分类）横向对比“决策模型”这一新类别——它们在一次调用中对固定选项输出带概率的结构化答案，在成本与速度上明显优于 LLM，但在知识与推理上落后，且整体过度自信。
发布方：Artificial Analysis。 时间：2026-10-13（据文中日期）。 对象：decision models（决策模型）——与面向复杂推理、长程任务的 LLM 不同，决策模型专注“更快、更低成本地做结构化决策”。 核心问题：决策模型相对其他决策模型、以及相对 LLM，在能力、成本、速度上如何权衡。 机制差异：决策模型在一次调用中从固定…
artificialanalysis.ai
查看来源原文FrontierCode 1.1 是 Cognition 构建、Artificial Analysis 独立实现的私有智能体编码基准，用“真实开源仓库维护者是否愿意合并该改动”作为衡量标准，当前最高分由 Claude Opus 5.5 以 52.2% 取得。
FrontierCode 是来自 Cognition 的编码基准，与开源仓库维护者共同构建。每个任务要求智能体对真实开源仓库做出一处改动，基准衡量该改动是否好到足以让维护者合并。 Artificial Analysis 实现并发布该基准的排行榜，采用 FrontierCode 1.1 Main，即 150 个任务中的主要 100 任务集。 核心研究问题：模…
artificialanalysis.ai
查看来源原文ReplaySSM 将 SSM（状态空间模型）的状态重新表示为“检查点 + 近期输入缓冲区”，把输出计算与状态更新解耦，从而降低状态内存流量、简化投机解码回滚，并支持低精度状态读取；在 NVIDIA Blackwell Ultra B300 上，批大小 256 时 SSM 解码内核提速 1.46×–1.80×。
混合模型（hybrid models）将 SSM 层与少量注意力层交错堆叠。文中举例包括 NVIDIA Nemotron 3、Qwen3.5–Qwen3.8、Kimi-K3、GLM-5.3-Flash，其 SSM 层分别采用 Mamba-2、Gated DeltaNet (GDN) 或 Kimi Delta Attention (KDA)。
NVIDIA 博客
查看来源原文据来源元数据，Higgsfield 宣称将 AI 视频生成时长从 1 分钟提升到 10 分钟以上，并借助 GPT-6 Astra、GPT-Image-2.5 与 GPT-Live 分别对应更长视频、更精确画面以及语音电影制作路径；因正文未能抓取，相关细节均待核实。
来源标题（英文）：Higgsfield takes AI video from 1 minute to over 10 主题归类：industry / ai-industry 核心事件：Higgsfield 推出面向创作者的更长 AI 视频能力。 待核实：发布主体、发布时间、产品形态、可用地区与定价等信息，材料未提供。
OpenAI
查看来源原文2026年10月13日，阿里千问推出新能力“千问Go”，定位为能代表用户处理退差价、约保养、订球场、甚至跟真人客服谈赔偿等事务的Personal Agent；其底层依托Qwen 3.8的Agentic能力，并打通阿里自有生态。
来源标题：退差价、约保养、订球场、跟客服磨赔偿，千问Go什么都想管 来源媒体：量子位（QbitAI），作者克雷西，发布时间2026-10-13。 千问Go是千问APP里长出来的新能力，面向个人用户，目标是把一句话变成“把事办完”。 报道将千问Go放在Personal Agent赛道升温的背景下，与Meta的Muse、OpenAI的Dots，以及初创公司In…
量子位
查看来源原文多位开发者实测发现，选择 Opus 5.5 时效果异常，怀疑 Claude 后台已将请求路由至尚未发布的模型；社区猜测涉及 Opus 5.6、Fable 5.5 或所谓“Claude Next”，但模型身份尚无确证。
多位开发者晒出实测，称所选模型为 Opus 5.5，但输出效果“像换了模型”，因此怀疑后台已路由至新模型。 社区猜测被路由的新模型可能包括 Opus 5.6、Fable 5.5，也有人称其为“Claude Next”。 核心研究问题：Claude 是否在未公告的情况下，将用户请求接入未发布模型？该模型身份为何？
腾讯研究院（搜狐同步）
查看来源原文2026 年 10 月 13 日，Agility Robotics 与 Churchill Capital Corp XI（Nasdaq: CCXI）的合并注册声明（Form S-4）获 SEC 宣布生效，股东投票会定于 2026 年 11 月 2 日，合并预计 2026 年 11 月完成，合并后公司预计以代码 AGLT 在纳斯达克上市。
Agility Robotics 与 Churchill XI 于 2026 年 10 月 13 日宣布，双方联合提交的 S-4 注册声明已被 SEC 宣布生效，这是此前披露的拟议业务合并流程中的重要一步。 Churchill XI 已设定 2026 年 11 月 2 日召开临时股东大会，以批准拟议业务合并及相关事项。 该交易预计将造就唯一一家有已验证、活…
agilityrobotics.com
查看来源原文千问团队提出在线强化学习框架 QwenGyre，通过弹性调度空闲 GPU 与轨迹树/轨迹预算机制，在超长程智能体任务上同时提升了训练效率与最终通过率。
千问团队提出 QwenGyre，一个面向**超长程智能体任务**的在线强化学习框架。 任务特征：持续数小时、累计处理**百万级 token**。 研究问题：在这类长程任务中，如何在不中断任务执行的前提下进行在线训练，并减少分叉执行带来的重复计算开销。
腾讯研究院（搜狐同步）
查看来源原文OpenClaw 发布 v2026.10.1，新增 `skills_search` 与 `skills_read`，使智能体能够按需检索并读取已安装的 Skills；同时支持兼容的 MCP Apps 在聊天区旁打开，并可将完整备份存至 Cloudflare R2。但 Reddit 与 GitHub 上出现关于频繁更新导致兼容性问题和升级失败的反馈。
OpenClaw 发布 v2026.10.1。 官方称该版本汇集 402 位贡献者、2425 个 PR、3055 次提交。 核心变化：智能体从“被动使用技能”转向“主动检索与读取已装 Skills”。 相关来源材料来自“腾讯研究院AI速递 20261013”第三条。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA 通过 cuDF skills for Apache Spark 将 UDF 重写流程拆解为测试、转换、基准测试、优化四个由 AI 编码代理驱动的反馈循环，帮助企业在保持语义正确性的前提下把 Spark CPU UDF 迁移为 GPU 实现，某消费科技公司 30+ 生产 UDF 的案例中单个算子耗时从 274.55 小时降至 12.78 小时（…
来源为 NVIDIA Technical Blog，2026 年 10 月 13 日，作者 Rishi Chandra 与 Erik Ordentlich。 核心问题：Agentic AI 使企业对大规模数据的频繁、复杂查询需求上升，但 Spark 中的 UDF 打破了 SQL / DataFrame 的声明式抽象，使原本可由 cuDF 插件 GPU 加速…
NVIDIA 博客
查看来源原文WorldRecon 是一个生成式多视图重建框架，能从无位姿 RGB 图像恢复完整、大规模的三维场景网格；它通过在 TRELLIS.2 上加入重建条件架构，并以重叠分块与邻域感知 latent inpainting 维持全局一致性，在合成与真实室内场景上取得 SOTA，并显示出较强的 sim-to-real 泛化能力。
从无位姿（unposed）多视图图像重建大规模场景的完整高质量网格，需要同时满足两个目标：对已观测区域保持几何忠实（faithful geometric grounding），对未观测或仅稀疏采样的表面进行合理的补全（plausibly completing surfaces）。该工作提出 WorldRecon，试图在生成式重建路线下兼顾忠实性与完整性，并…
arXiv 论文
查看来源原文WorldOracle 是一个专门用于评估“行动条件世界模型”（Action-Conditioned World Models, ACWMs）的基准，其核心问法是：在给定相同初始观测和低层动作序列时，模型预测的 rollout 是否真实复现了现实世界中发生的物理后果与任务状态转移。
论文提出了 **WorldOracle**，一个针对 ACWMs 的基准测试框架。 核心研究问题：给定相同的初始观测与低层动作序列，模型预测的 rollout 能否复现真实世界中的执行结果（包括物理后果和任务状态转换）？ 该基准将模型预测与现实世界配对执行（paired real-world executions）进行对比。
arXiv 论文
查看来源原文这篇论文提出 **Physical Recursive Self-Improvement (Physical RSI)** 概念，并给出 L0-L5 分级框架；但按其自身定义，现有文献尚未实现真正的物理递归自我改进，研究重点应转向可靠反馈、因果归因、安全保持与评测基准。**（以上基于摘要与元数据；正文未能抓取，具体论证与数据待核实。）**
机器人执行任务越来越自主，但其“改进”仍主要由人类驱动。 论文研究的问题：能否让物理经验反过来持续更新机器人的能力与改进流程，使后续改进更有效？作者将这一设想称为 **Physical Recursive Self-Improvement (Physical RSI)**。 论文同时追问：在噪声观测、连续动力学、昂贵试错与不可逆后果的约束下，现有方法是否已…
arXiv 论文
查看来源原文在 VLA（视觉-语言-动作）预训练中，与其把“示范质量”当成一种静态权重，不如把它做成**可条件化的信息**：在 5,000 条天然次优人类示范与 24 个目标任务上，approach-aware 的 episode 级条件化平均优于朴素行为克隆；而条件化与过滤分别更偏好 episode 与 chunk 标签，且这种偏好会随模型不同而反转。
论文追问的是一个很具体的工程问题：**在 VLA 预训练阶段，应该如何使用示范质量，才能让目标任务的微调效果更好？** 作者没有只比较一种做法，而是把“质量感知”拆成三类机制——加权（weighting）、过滤（filtering）、条件化（conditioning）——并在不同奖励定义与不同标签粒度下做对照。
arXiv 论文
查看来源原文mmVB 是一个轻量、即插即用的模块，通过跨图像上下文为每张图分配查询条件下的 token 预算，在不重训基础模型、不访问注意力矩阵的前提下，将视觉输入 token 减少 9 倍，并保留约 94.4% 的全分辨率准确率。
多模态大语言模型（MLLM）多数针对单图输入优化，而多图推理代价高昂：每张图都会增加大量视觉 token，抬高编码与注意力开销。现有多数 token 削减技术（视觉 token 剪枝、合并、压缩、学习式重采样、层次压缩、检索增强视觉推理、记忆式架构）主要面向单图场景，其冗余以空间和局部为主。多图推理带来额外难点：冗余可能跨图像出现，任务相关证据可能稀疏或分…
arXiv 论文
查看来源原文在可验证奖励强化学习（RLVR）中，简单的平方根学习率缩放并不能在多步训练中保持样本效率：更大的 rollout batch 会因曲率损失导致进度变慢，同时存在一个与 batch 无关的“失败时钟”，使模型在相近的样本消耗下崩溃。
RLVR 依赖昂贵的模型生成响应，因此实践中倾向于使用更大的 rollout batch，并配合平方根学习率缩放来维持每样本进度。此前有报告称，在每次 rollout 只做一步优化器更新的设定下，该规则能大致保持每样本进度，但在实际多步训练中这一规则的理论基础并不清楚。本文提出“双时钟”（two clocks）框架，将“取得进度所需的样本数”与“崩溃前消耗…
arXiv 论文
查看来源原文作者提出：地球观测（EO）模型的构建循环可以交给智能体——只要把任务表述为“harness + verifier”，通用编码智能体就能自行搭建并递归改进 EO 模型。**（以上为基于标题与摘要的概括；正文未能抓取，具体数据与结论待核实。）**
来源类型：arXiv 预印本（v1），Track 为 academic，主题为 foundation-model。 英文标题：The Last Remote Sensing Model Built by Humans? Casting Any Earth Observation Task as Recursive Self-Improvement 核心问题…
arXiv 论文
查看来源原文Tev 通过“先构建潜世界、再渲染任务环境”的数据构造方式，把长程任务的进度转化为可验证的稠密奖励，并用进度势能奖励塑形（PPRS）训练出 Tev-27B，在 Agents' Last Exam 计算与数学科学域达到与 GPT-6 Astra、Claude Opus 5 相当的 Pass@5 表现。
长程智能体被期待能自主工作数小时到数天，完成有经济价值的任务，这一能力被视为自动发现与递归自我改进（RSI）的关键。 开源模型在长程任务上仍落后，主要受限于两点：缺少训练数据、缺少可用的训练配方。 长程复杂任务难以策展与验证，且奖励稀疏；本文试图同时解决数据与训练配方两端的扩展难题。
arXiv 论文
查看来源原文这篇论文提出一种可扩展的在线熵正则最优传输（OT）近似方法，使流匹配训练能在每次迭代中使用更大的源-目标配对批量，并声称从理论上证明了相较于独立随机配对可降低全随机梯度方差与积分误差；具体结论与实验细节待核实。
论文题目：Scaling Online Optimal Transport Minibatches for Flow Matching。 来源：arXiv:2610.18838v1（Track: academic；Topics: foundation-model）。 研究背景（据候选摘要）：流模型扩展的核心挑战之一是训练与积分过程的稳定性；在流匹配中，稳定…
arXiv 论文
查看来源原文RoboSimStudio（RSS）是一个交互式工具包，用于机器人操作任务的 Real2Sim 快速转换，其核心思路是把求解器、接触模型和物理参数的选择显式化、可编辑化，让人和编码智能体可以基于观察到的物理行为迭代优化仿真——但具体实现细节与实验结果**待核实**。
来源：arXiv 论文（标题：RoboSimStudio: An Interactive Toolkit for Rapid Real2Sim of Robot Manipulation Tasks）。 研究问题：机器人与其操作物体之间相互作用的物理建模难度大，涉及接触力学、耦合接触动力学、形变、刚度与摩擦等因素。 论文提出的应对方式：构建一个交互式工具包…
arXiv 论文
查看来源原文RepProbe 是一个用于诊断视频语言模型“重复动作计数”能力的基准，初步证据显示模型能在表示层保留计数信息，却在输出层无法可靠报告正确次数；由于未抓取到正文，具体数值与实验细节待核实。
计数重复动作要求模型在时间维度上识别并枚举动作周期。 研究发现：最先进的视频语言模型虽然能流畅描述动作，却无法可靠计数动作重复了多少次。 为定位这一失败，作者提出诊断性基准 RepProbe，并试图回答：计数失败发生在模型的哪个阶段？
arXiv 论文
查看来源原文一项发表于 Nature Communications 的研究报告了一个由深度强化学习引导的定制化机器人平台，通过“不对称催化数字孪生”先训练控制策略再迁移到实验室，在 30 天内自主完成 3000 余次决策，发现 4 个高对映选择性转化，展示了深度强化学习引导的自主性在复杂催化体系发现中的潜力。
自主机器人平台通过将自动化实验与算法决策结合加速了化学发现，但多数平台缺乏对手性（chirality）的集成支持，也缺乏在反应性和立体化学结果未知的不对称反应空间中进行探索所需的序贯决策能力。本文的研究问题是：能否构建一个由深度强化学习引导的机器人平台，使其能够在定义好的不对称反应空间中自主导航，完成反应条件侦察、手性产物发现、催化剂筛选与底物范围映射。
nature.com
查看来源原文Scenario-Actor 是一个从 Transformer 隐藏状态中推断交际场景几何结构、据此选择采样温度的解码框架，旨在替代固定或启发式的全局温度设定；其具体方法细节与完整实验证据待核实。
大型语言模型（LLMs）通常依赖采样温度来调节输出的随机性。主流温度选择方法多为固定的、启发式的全局设定，或基于上下文、token 级别的校准，缺少对交际场景的几何可解释表示。该工作提出 Scenario-Actor，尝试让解码温度随推断出的情境特征自适应变化。（以上基于元数据与摘要信息，具体推导与实现待核实。）
arXiv 论文
查看来源原文PlayGround 是一个渐进式布局生成框架，通过“渐进规划器—布局生成器—视觉验证器”构成的设计闭环，让高层布局规划随已渲染画布的演进而动态调整，而非在执行前一次性固定。
生成可编辑的平面设计，需要把视觉与文本元素排布成协调的构图，同时保持内容与可编辑性。近期基于多模态大模型（MLLM）的方法虽采用迭代生成与视觉细化来贴近真实设计流程，但其高层规划在执行前就已确定，导致设计演进过程中的适应性受限。PlayGround 针对的正是这一“规划刚性”问题。
arXiv 论文
查看来源原文Plan-Bench 是一个隔离动作执行、专门考察视觉语言模型（VLMs）在具身场景下高层推理与多步规划能力的基准；对 28 个 VLM 的评测显示即使最强模型准确率也仅 75.0%，表明这类能力仍有明显提升空间。
背景：VLMs 在视觉感知与空间推理上表现强劲，因此越来越多研究希望把它们用作具身 AI 的高层规划器（high-level planner）。 问题：物理任务要求模型整合空间信息、对时序状态进行推理，并在多种约束下生成多步计划。当前 VLMs 能否在**不依赖动作执行**的前提下可靠支撑这类推理与规划，仍待回答。 论文提出 Plan-Bench，目标是在…
arXiv 论文
查看来源原文PixelMoE 表明标准 LLM 式 MoE（Token-Choice 路由、细粒度专家、共享专家、偏置负载均衡）可直接迁移到像素空间扩散，在激活参数量相当的条件下持续优于稠密基线，并在 ImageNet-1K 上取得 FID 1.47（256×256）与 1.53（512×512）。
像素空间扩散模型直接建模原始图像，无需依赖学习到的 tokenizer，是潜空间扩散之外的一条有吸引力的路线。 但像素空间模型的扩展此前主要走稠密路线，模型容量与激活计算被紧密耦合，扩展成本高。 本文的研究问题是：能否把标准 LLM 式 MoE 稀疏扩展范式有效迁移到像素空间扩散，从而在不大幅增加激活计算的前提下扩大模型容量。
arXiv 论文
查看来源原文OmniCompass 是一个同时覆盖视觉-语言与音频-视觉两条评测轨道、并联合考察时间定位、空间定位与问答能力的全模态视频理解基准；据其摘要，当前开源模型在多模态视频理解上仍落后于闭源模型，音频-视觉理解与精确时空定位尤其困难。待核实：以上均基于摘要，正文未抓取。
研究问题：现有多模态大语言模型（MLLMs）的视频理解评测基准只覆盖部分评测维度，难以对全模态视频理解进行系统性诊断。 提出工作：OmniCompass，一个面向全模态视频定位与理解的综合基准（holistic benchmark）。 待核实：论文正文的动机论证细节、作者机构、发布时间与实验配置。
arXiv 论文
查看来源原文MFG 是一个基于强化学习的框架，通过训练 LLM 利用前几轮的反馈向量逐步优化分子，在十个多目标分子优化任务上，将相似度约束下的平均成功率从基线的 70.81% 提升至 81.50%。
多目标分子优化是药物发现中的关键环节：在保持分子整体结构相似的前提下，同时改善多个性质。 这一过程通常需要基于计算或实验反馈进行迭代修改。 现有基于 LLM 的方法虽已开始探索迭代式优化，但**并未被显式训练去利用反馈**，且主要聚焦于**单轮**分子优化。 本文提出的研究问题是：如何让 LLM 在多轮优化中真正“学会”使用历史反馈，从而逐步改进分子？
arXiv 论文
查看来源原文LoopWAM 是一种闭环 world-action 模型，能直接从部署过程中产生的混合质量回放（成功、次优、失败）中学习，通过多轮部署-训练迭代持续提升通用机器人策略，而无需依赖额外的具身预训练。
问题：仅靠扩大专家演示规模，无法让通用机器人策略在部署后继续改进。 挑战：真实部署回放中既有成功，也有次优行为和失败。若对全部动作进行模仿，会强化不良行为；若过滤掉失败，则丢弃了物理交互及其后果的证据。 研究目标：如何利用完整质量谱系的部署回放，实现闭环的策略自我改进。
arXiv 论文
查看来源原文LIBERO-RIG 是一个只在机器人硬件与设置层面施加扰动、保持 LIBERO 任务本身不变的鲁棒性基准，用于测量视觉-语言-动作（VLA）模型在相机安装、标定、控制频率、夹爪磨损等部署偏差下的成功率下降。
机器人策略被期望能跨部署环境泛化，这其中包括机器人自身的变化：相机被碰撞后重新安装、标定漂移、控制器以不同频率运行、末端执行器垫片磨损。LIBERO-RIG 针对的问题是：当任务不变、仅机器人硬件与设置发生变化时，VLA 模型的性能会如何退化，以及这种退化是否随扰动轴与动作接口的不同而不同。
arXiv 论文
查看来源原文该工作提出一种神经推断架构，试图在化学反应网络（CRN）的模拟式贝叶斯推断中，同时完成竞争反应路径的模型判别与反应速率常数的后验估计；但当前仅能基于元数据概述，正文细节待核实。
研究问题（据标题与摘要元数据）：针对化学反应网络的模拟式贝叶斯推断，需要同时解决两个计算上困难的问题——区分重叠的反应路径，以及估计反应速率常数。 传统方法（如 Sequential Monte Carlo ABC）依赖手工设计的摘要统计量，在大参数空间下扩展性较差。 本文提出神经推断架构，以端到端方式联合处理模型选择与参数估计。
arXiv 论文
查看来源原文HybridAgent 通过 HybridLink 与连续工作记忆，在统一生成过程中动态切换潜在推理与文本交互，在保留工具调用能力的同时实现潜在思维可检查，并在 11 项基准上取得 10.4% 的平均性能提升与显著成本下降。
现代 LLM 智能体仍以文本进行推理与交互；潜在推理（latent reasoning）虽提供高效的内部推理媒介，却缺乏原生工具访问能力与推理透明度。本文提出的核心问题是：如何构建一个“超越人类语言思考、但仍通过语言在外部环境中行动”的智能体？HybridAgents 试图弥合文本推理与潜在推理这两条路线。
arXiv 论文
查看来源原文Game2Real-Bench 通过共享推理需求（而非视觉相似性）对齐程序生成的游戏样本与真实世界样本，发现视觉语言模型的游戏表现与真实世界视觉推理表现高度一致（Pearson/Spearman 相关系数达 0.935），但游戏示例的迁移效果因能力类型而异：约束推理提升，细粒度感知下降。
视觉推理是视觉语言模型（VLM）理解视觉证据、空间结构、约束与状态变化的重要能力。现有评估主要依赖真实世界数据或程序生成任务：真实数据保留自然复杂度，程序游戏提供可控生成与可验证解。但此前尚不清楚：玩具游戏中测得的能力是否对应真实世界视觉推理？游戏示例能否支持迁移？Game2Real-Bench 正是为研究这一连接而提出。
arXiv 论文
查看来源原文该论文提出了 KLQ 与 KLPQ 两种算法，首次证明了在表格型有限视界 KL 正则化 MDP 中，采用增量随机逼近更新的离线 Q-Learning 也能达到 $\widetilde{O}(1/\epsilon)$ 的快速样本复杂度。
研究场景：有限视界马尔可夫决策过程（finite-horizon MDP）下的离线（offline）决策问题，引入 Kullback-Leibler（KL）正则化。 已有背景：近期研究表明 KL 正则化可在离线决策问题中带来快速收敛率（fast rates）。 核心问题：Q-Learning 采用增量式随机逼近（incremental stochastic…
arXiv 论文
查看来源原文该研究提出两种方法，能够生成持久性图（PD）与目标描述符**完全一致**的图，而不再依赖软正则化带来的近似匹配。
持续同调（Persistent Homology）将图的拓扑演化总结为持久性图（PD）。生成拓扑结构与目标描述符匹配的图日益重要，但现有拓扑感知生成模型依赖软正则化，产生的图的 PD 只能近似相似。本文首次系统性地研究该生成问题：**生成精确实现目标 PD 的图**。
arXiv 论文
查看来源原文EgoExplorer 是一个基于可穿戴系统的 100 小时“视觉-运动-触觉”观测数据集，通过 Calibrate-Complete-Constrain 流水线，在稀疏身体传感条件下重建全身运动、手指关节活动与触觉信息，用于从人类演示中学习人形机器人移动-操作（loco-manipulation）。
从人类演示中学习人形机器人的移动-操作能力，关键在于观察移动、姿态和物体交互如何在任务推进中共同演化。 要在多样环境中规模化采集此类数据，需要轻量、便携的采集系统。 现有数据集只能提供这种协调性的部分视角。 研究问题是：如何用可穿戴、稀疏传感的采集系统，同时获取第一人称视频、全身运动、手指关节活动与触觉观测，并保证运动重建的准确性。
arXiv 论文
查看来源原文DuplexBridge 让统一模型用自身的理解能力去增强自身的生成能力（无需外部理解模块），通过“源接地的桥接”明确编辑目标、终态变化与保留约束，并借助互信检查机制选择性引入全局反馈，在多个基准上显著提升图像编辑的完全合规率。
复杂图像编辑既要求忠实理解任务，又要求准确执行，但一次失败的编辑无法揭示究竟是哪一环节出错（理解失败还是执行失败）。论文提出的核心问题是：如何在一个统一模型内部协调“理解”与“生成”两种职责，使其各自接受恰当监督，同时又不互相污染。
arXiv 论文
查看来源原文DoubtLess 是一种免训练的解码方法，利用一个更小的推理模型作为“引导者”，通过对比“简洁思考者”与“冗长思考者”两种提示下的 logit 差异，实时引导大型推理模型缩短思维链（CoT），在保持准确率不变的前提下显著减少 token 消耗。
推理模型通过长思维链（CoT）取得强性能，但常花费超出解题所需的 token。现有缩短 CoT 的方法各有代价：需要针对每个模型额外训练、向隐藏状态添加固定的引导向量，或使用提前停止、禁止“wait”等词的解码启发式，这些都可能降低准确率。本文提出的研究问题是：能否在不训练、不修改模型参数的前提下，有效压缩推理模型的思维链长度而不损失准确率？
arXiv 论文
查看来源原文MiniDog 框架在四块 3090 GPU 上，用 55 分钟预训练 + 15 分钟微调即可完成一个文生图扩散 Transformer 的训练，降低了入门级文生图模型训练对算力的门槛。
普遍认知中，训练文生图扩散模型需要大量算力；这对追求全面前沿模型的目标确实成立，但这种认知阻碍了初学者训练自己的模型。 本文提出 MiniDog 框架，旨在验证：在有限算力（四块消费级 3090 GPU）下，能否完成文生图扩散 Transformer 的预训练与微调全流程。
arXiv 论文
查看来源原文针对格点场论中均衡场构型采样这一计算瓶颈，该工作提出无需目标分布样本的扩散模型训练方案：只要能够访问未归一化概率密度，就可利用目标 score 恒等式从模型自身生成的样本进行训练，并在二维 \(\phi^4\) 理论中取得与基于 HMC 参考数据训练相当的表现。
格点场论中，采样均衡场构型是主要计算瓶颈，需要能产生独立构型的生成式采样器。 扩散模型被视为有前景的方案，但其标准去噪 score 匹配目标需要来自目标分布的样本，这似乎又把原始采样难题重新引入。 研究问题：能否在不使用目标分布样本（data-free）的前提下训练扩散模型，同时仍能有效采样目标场论分布？
arXiv 论文
查看来源原文ChunkAct 将“动作分块”（action chunking）引入由 LLM 智能体驱动的机器人控制循环，把在线逐步推理改为离线编译的“动作块”自主执行，从而在 LIBERO-Pro 上以更少的 LLM 调用与 token 消耗取得更高的任务成功率。
智能体机器人学（agentic robotics）把 LLM 智能体放进机器人控制回路，在记忆（memory）的指导下组合感知、运动与视觉-语言-动作（VLA）工具，从而无需重新训练即可泛化到新任务。 但这种泛化以效率为代价：每个基本动作（primitive）都需要 LLM 基于完整交互历史做一轮推理，单回合成本随基本动作数量增长。 作者发现这种推理在很大…
arXiv 论文
查看来源原文Cepheid 通过把“残差结构”与“物理尺度”解耦——学习无量纲先验、并从可观测量中估计幅度——在无需骨架、配准或跨网格对应的情况下，统一超越调和延拓，并可零重训迁移到动物视频与软体抓取等场景。
研究任务：稀疏到稠密运动补全（sparse-to-dense motion completion），即从稀疏顶点位移恢复稠密网格运动。 核心问题一：在某一几何族（geometry family）上训练的残差先验，跨族使用时常常打不过无参数的调和延拓（harmonic extension）。 核心问题二：跨族训练存在“尺度壁垒”——残差幅度在不同几何族间相差…
arXiv 论文
查看来源原文在低资源机器翻译中，若已有中等规模的目标语言单语数据，用“回译（Back-Translation, BT）”微调大模型比继续预训练（continued pretraining）更有效；在 Odia 和 Swahili 上，仅 1K 平行句对时，BT 在域内比继续预训练高出 7.7 至 16.4 个 XCOMET-XXL 分。
论文研究的核心问题是：在低资源语言的机器翻译场景下，除了少样本提示（few-shot prompting）和在小规模平行语料上微调外，如果还能获得中等规模的低资源语言单语数据，应如何最有效地利用它？
arXiv 论文
查看来源原文AMIFound 是一个覆盖 7 种医学影像模态的“一体化”基础模型，用共享编码器加动态路由专家池统一处理多种退化，并在图像质量、临床医生评估和下游疾病任务上全面超越 38 个专用与通用基线。
来源：Nature Machine Intelligence，2026 年 10 月 13 日在线发表，标题为 "An all-in-one foundation model for multimodal medical image restoration and enhancement"，作者为 Cao 等人。 研究问题：日常医学图像常受噪声、运动伪影、…
nature.com
查看来源原文AesCode 通过将内容提示生成的图像作为美学指引，并以设计图（design graph）解耦出可解析与不可解析的跨模态奖励进行强化学习，显著提升了生成幻灯片、海报、仪表盘等可视化代码的视觉质量，同时保持代码的可验证正确性。
生成信息丰富的可视化产物（如幻灯片、海报、仪表盘）并以代码形式输出具有结构化、可编辑、可验证的优势。然而，代码模型无法"看到"其布局与色彩选择在画布上的综合效果，空间规划与美学质量受限；而图像生成器虽擅长视觉设计，却可能错误渲染请求内容，不能作为直接复现的可靠目标。AesCode 旨在解决：如何让代码生成模型在保证内容正确的前提下，借助图像的美学指引提升视…
arXiv 论文
查看来源原文