AI 日报 · 2026-10-01

据现有元数据，这是一篇 OpenAI 官方站点文章，题为《The Eternal Complement》，其候选摘要提出一个判断：先进 AI 的价值可能最集中体现在“突破性想法背后的日常执行工作”上，而执行效率或将塑造下一阶段经济与进步速度；但正文未能抓取，核心论证、数据与结论均待核实。

原始来源为 OpenAI 官网（openai.com/index/the-eternal-complement），标题《The Eternal Complement》，归类于 industry 轨道、ai-industry 主题。 从候选摘要看，文章讨论的问题大致是：先进 AI 对经济的最大影响落在哪里——是替代创意/研究本身，还是补足创意落地所需的常规性…

OpenAI

Anthropic 公告称，巴克莱银行（Barclays）扩大与 Anthropic 的战略合作，将 Claude 与 Claude Code 推广到软件开发、遗留系统现代化、内部知识助手和全球市场邮件处理等场景；Barclays 预计 Claude Code 采用率到 2026 年底达到开发者总数 50%，2027 年达到多数软件工程师。

2026 年 10 月 1 日，Anthropic 发布公告《Barclays scales Claude to upgrade operations and improve client experience》。公告称，这家英国全能银行正在扩大与 Anthropic 的战略合作，在全球运营中整合安全、企业级 AI 系统，目标是加速软件开发、现代化遗留系统…

Anthropic 博客

根据现有元数据，Albertsons Companies 正在使用 ChatGPT Enterprise 与 OpenAI API，目标是让内部团队工作更快，并让数百万顾客的食品杂货购物体验更便捷；具体落地场景、部署规模与量化成效均待核实。

来源为 OpenAI 官方站点的一篇客户案例（标题：How Albertsons Companies is reimagining retail from the inside out）。 已知核心信息：Albertsons Cos. 采用 ChatGPT Enterprise 与 OpenAI API 两种形态的能力。 案例的问题指向：零售企业如何借助生…

OpenAI

NVIDIA 用 NeMo 的 ASR 微调配方，把 Nemotron 3.5 ASR 专门化到沙特 Najdi/Hijazi 方言：来源材料中的 AI 摘要称目标测试 WER 从 55.05% 降至 29.96%，同时通过 replay mixing 保留英语并避免其他阿拉伯语方言退化；该工作流可迁移到其他语言/方言，但不是通用默认配方。

自动语音识别要处理真实说话方式，而预训练数据常低估区域方言和本地录音条件。Nemotron 3.5 ASR 已支持 40 个 language-locales 的多语言流式转录，包括阿拉伯语，但沙特 Najdi 与 Hijazi 等部署方言仍需要针对性微调。核心问题是：如何用有限标注语音专门化模型，同时不破坏已有多语言能力。

NVIDIA 博客

NVIDIA 宣布 cuObject 客户端/服务器库正式可用，将 xio-sig 从 cuFile 扩展到 cuObject，并推出 SCADA Server SDK，试图用标准化 API 与 RDMA 线协议让 GPU 绕过服务器 CPU 直接加速访问文件和对象存储。

据 NVIDIA 技术博客（Sep 30, 2026），AI 基础设施工程师、存储开发者和云服务提供商需要快速、安全地访问高容量文件与对象存储，以支持训练、微调、推理上下文、工具调用、搜索和数据库查询。GPU、TPU、XPU 等计算加速器需要 RDMA，通过 NIC 或 DPU 加速数据传输，并且不把数据复制经过服务器 CPU 控制的内存。

NVIDIA 博客

NVIDIA 通过 `recsys-examples` 提供端到端 HSTU 生成式推荐推理工作流，结合 PyTorch AOTI 编译、FlexKV-backed KV 缓存和 NV Embedding Cache，并由 Dynamo-Triton 提供服务；在 NVIDIA RTX PRO 6000 Blackwell Workstation Edit…

原始材料标题为 **Deploying an HSTU Generative Recommender with NVIDIA Dynamo-Triton**，来源为 NVIDIA Technical Blog，日期为 Sep 30, 2026。 文章讨论的核心问题是：生成式推荐（Generative Recommender, GR）把推荐重新表述为用户行为…

NVIDIA 博客

据量子位材料，arXiv 自 2026 年 10 月 1 日起对每位 submitter 实施每月最多提交 2 篇论文的临时限速；被拒也消耗额度，且两篇额度跨所有分类共用，直接动因是投稿量激增和志愿审核压力。

arXiv 推出新规：每人每月最多提交两篇论文，所有分类一视同仁，换区也不能绕过。政策限制的是实际提交论文的 submitter，而不是论文所有共同作者；共同作者需要协调由谁负责投稿。新规从 2026 年 10 月 1 日开始执行，目前更像临时限速措施。材料将背景指向 AI：论文数量、尤其是 cs.AI 投稿量快速上涨，同时低质量论文和高度依赖 AI 写作…

量子位

NVIDIA NeMo Relay 通过统一可观测层，把 Agent harness 的模型调用与工具调用记录为 ATOF 事件流、ATIF 分步轨迹和 OpenTelemetry/OpenInference spans，使开发者能同时检查“任务是否成功”和“Agent 如何完成”，并据此评估 harness 改动是否真正改善结果。

来源文章为 NVIDIA Technical Blog 教程《Tracing Agent Harness Behavior with NVIDIA NeMo Relay》，日期为 Sep 30, 2026，作者为 William Markito Oliveira、Maryam Najafian、Moon Chung、Teknium。 核心问题：Agent…

NVIDIA 博客

World Observer 提出把“观察”与“行动”解耦：在生成智能体视角 actor 的同时，联合生成一个或多个全景 observer，让离开 actor 视野的物体继续在 observer 中演化，从而在重新进入视野时保留更新后的状态；摘要称其显著改善 out-of-view dynamics，并在视觉保真度、相机控制与 3D adherence 上…

研究问题：世界模型如何持续观察 actor 当前视野之外的区域？ 现有视频世界模型可模拟环境如何随 agent 动作演化，但仍是 actor-centric。 物体一旦离开 actor 视野，模型就失去其演化的直接证据，重新进入时往往无法保持其状态与动态。 本文提出 World Observer 来应对这一问题。

arXiv 论文

Where-OPD 提出一种面向多模态大语言模型（MLLMs）的同策略自蒸馏方法：让教师接收文本化、空间定位的引导，并用程序化合成场景提供自动物体身份与坐标，实现免标注后训练；据摘要，该方法在多个模型上提升计数、文档和图表理解，并在多个真实世界感知基准上平均提升 3.23 点。

来源是一篇 arXiv 论文，标题为 *Where-OPD: Spatially Guided On-Policy Self-Distillation of MLLMs with Synthetic Scenes*。摘要指出，同策略自蒸馏（on-policy self-distillation）已在语言模型推理中显现效果，但其在 MLLMs 中的应用仍“l…

arXiv 论文

本文提出用“反事实信息”来形式化比较探索策略，并指出：在作者构造的某个简单环境中，最大化基于计数、预测误差、empowerment、信息增益等内在奖励的策略，未必能获取最充分的反事实信息，且在该指标上可能是帕累托次优；作者随后给出已有内在奖励成功鼓励最优探索的条件，并构造一个在探索严格改善时赋予更高价值的目标。具体环境、定理与实验细节待核实。

强化学习中的内在奖励通过给智能体经验赋值来引导探索，常见信号包括预测误差、学习进展等。 问题在于：最大化这些奖励，并不必然带来当前可获得的最有信息量的经验。 论文要回答：如何正式判断一个策略的探索是否更好？内在奖励在什么情况下会导向探索？ 作者提出的形式化准则：按策略获取的“反事实信息”比较策略，即一个策略的历史能在多大程度上替代在替代策略下的经验。

arXiv 论文

该论文提出 “Watch, Infer, Coordinate” 基准与约束推断方法：让 helper 通过观察目标机器人伙伴与另一机器人的联合操作行为，推断前者因硬件退化或执行器故障产生的物理限制，并据此在新任务中实现零样本协调；摘要称在三个物理耦合操作设置中，该方法显著提升约束推断与零样本协调表现，接近已知真实约束的 oracle。

机器人进入物理世界后需要相互协调，尤其在单个机器人难以独自搬运过大或过重物体的操作任务中。硬件退化或执行器故障会限制机器人可靠执行的动作，但伙伴可能不知道这些限制。论文研究：helper 能否通过观察某机器人伙伴与另一机器人协调的过程，推断该伙伴的物理约束，再把推断出的能力用于与同一伙伴完成新任务的协调。

arXiv 论文

据现有元数据，VISTA 是一个为通用多模态模型提供“长时程视觉”的视觉外挂（visual harness）：让模型直接以视觉观察感知环境、并以无损方式保留与重取历史视觉记忆，从而在交互式视觉任务中释放推理能力；正文未抓取，具体数字与实验设定待核实。

标题：*VISTA: A Visual Harness for Reasoning in an Interactive World*（arXiv，Track: academic，Topic: foundation-model）。 待回答的问题（据候选摘要）：多模态模型本身是否已具备较强推理能力，只是缺少合适的“外挂”结构来把这些能力用于多样化的交互式环境？…

arXiv 论文

ZFO 将“往哪走”与“走多远”解耦：由可信一阶优化器确定方向，再沿该一维方向做少量零阶函数评估来选择曲率感知步长，从而以低于完整线搜索的成本实现自适应步长，并在所评估的 LLM 微调设定中经常优于固定步长一阶基线。

大规模神经网络优化中，步长选择仍是核心难题：保守步长收敛慢，激进步长可能破坏稳定性。本文提出 Zero-and-First-Order optimization (ZFO)，研究能否在控制额外计算成本的前提下，为 LLM 微调提供更自适应的步长选择。

arXiv 论文

该论文提出用“数学原语”（Mathematical Primitive）探查大语言模型的结构性数学理解，并以四维基准诊断数学推理；摘要称“发现”（Discovery）是主要瓶颈，发现受限型失败更可修复，进而提出一种原语优先的自蒸馏框架，在多种模型规模和困难基准上稳定提升数学推理。基准与框架的具体名称待核实。

英文标题：The Missing Primitive: Diagnosing and Repairing Mathematical Reasoning in Large Language Models。 研究问题：大语言模型（LLMs）在前沿数学问题上表现突出，但是否具备支撑解题的结构性数学理解，仍不清楚。 论文目标：从诊断数学理解的不同能力出发，并利用诊…

arXiv 论文

（待核实）据摘要性材料，TACO 是一种面向大语言模型全参数微调的优化器，通过“每列仅保留绝对值最大元素符号”的列式一稀疏更新来压缩优化器状态，据称可将持久优化器状态相对 AdamW8bit 减少约 174 倍，并在单张 80 GB H100 上支持 30–32B 参数模型的全参数微调；相关数据与结论尚待原文核实。

研究领域：基础模型（foundation-model）方向下的学术论文（Track: academic）。 待解决的问题（待核实）：LLM 全参数微调时，优化器状态带来的显存开销很大，限制了可放进现代 GPU 的模型规模。 已有做法的取舍（待核实）：或压缩优化器状态，或放弃一阶梯度，或改变更新几何但保留稠密状态。 Muon 的位置（待核实）：Muon 通过…

arXiv 论文

据候选摘要，MEVA 把体素级图像强度与皮层网格几何（曲率、皮层厚度）编码进同一组自监督影像特征；这些特征在 UK Biobank 的 GWAS 中检出的全基因组显著位点多于仅用体积或仅用网格学到的特征，但正文未能抓取，所有具体数值与细节待核实。

脑影像的全基因组关联研究（GWAS）通常使用预设的或深度学习衍生的影像表型；候选摘要称，这些表型要么来自体积扫描、要么来自皮层表面网格，因此各自只捕捉脑解剖可遗传变异的一部分。本条研究的问题可概括为：把体积与表面几何放进同一自监督表示空间，是否能捕捉更多可遗传变异、从而发现更多遗传位点。（以上均转述候选摘要，待核实）

arXiv 论文

Sphere Encoder 2 针对原始 Sphere Encoder 在潜球面随机点覆盖与像素级重建损失上的两个限制进行改进；作者声称在保持自编码器速度与简单性的同时显著提升图像生成质量，但具体方法、指标与可复现性待核实。

Sphere Encoder 是一种自编码器，通过解码高维潜球面上的随机点来生成图像。论文指出原始表述存在两个降低生成质量的问题：第一，在编码潜空间中，随机点相对于极点集中在赤道附近，但训练旋转从未到达该区域，留下空隙，限制一步生成；第二，以像素级重建损失训练生成，会促使解码器对多个合理图像取平均，产生缺少高频细节的模糊图像。论文提出 Sphere Enc…

arXiv 论文

SoftServe 是一类面向深度学习的拟牛顿（Quasi-Newton, QN）优化方法，声称在不使用线搜索或临时曲率修正的情况下，处理非凸性与超大参数量，并在若干严重病态任务上常获得低于 Adam、Muon、SOAP 的损失；完整实验与理论细节待核实。

来源：arXiv:2610.02182v1，标题为 *SoftServe: A Scalable Quasi-Newton Method for Deep Learning*。 研究问题：QN 方法在大规模无约束凸优化中长期有效，但用于深度学习受两个障碍限制：非凸性、巨大参数规模。 作者：Joohwan Ko, Tetiana Parshakova, Di…

arXiv 论文

SILSA 用沿三个标准轴排列的固定重叠切片潜变量替代昂贵体素 token，并加入切片级拓扑监督，在减少 token、训练内存和推理时间的同时，提升高分辨率 3D 生成的结构保真度与拓扑一致性。

来源材料介绍了一篇论文：**SILSA: Sliding-Window Slice Latents for Topology-Preserving High-Resolution 3D Generation**（arXiv:2610.02201v1，标注发布时间 2026-10-01）。

arXiv 论文

材料提出的核心问题：什么让伟大科学家伟大？当 AI 开始在开放问题上取得进展时，科学家仍远胜于 AI 的一点，是能感知在日益膨胀的研究档案中，哪一个先前想法/论文是解决新问题所需的。 ScholarCatalyst 试图研究并评测这种能力：给定一个初始研究问题，只从项目开始时已经存在的文献中，检索出后来被作者判断为已经或可能推动该项目的论文。

arXiv 论文

该论文针对具有局部依赖结构的类别型高维分布，以低阶马尔可夫随机场（MRF）建模依赖，为“均匀加噪的离散扩散 + τ-leaping 采样”给出端到端样本复杂度分析，并提出权重共享的神经 score 学习器。

来源材料指出，统计、经济、物理等应用常需从高维类别型分布中采样，且分布具有局部依赖结构；示例包括有限记忆语言模型、统计物理中的 Ising/Potts 系统、蛋白质折叠等。 离散扩散在机器学习中已成为一类灵活的采样方法，并有较强经验表现。 本文研究的问题是：在低阶 MRF 建模局部依赖、离散扩散采用 uniform noising 的设定下，能否给出端到端…

arXiv 论文

ROWBench: Do Video Models Render What the Program Specifies?

arXiv 论文

RPG（Reconstruct, Practice, Go Real）提出一种不更新模型权重、只改进系统提示与可复用符号技能库的具身智能体自我改进框架：在 22 个操作任务的留出初始化上，任务成功率从第 1 轮练习后的 28.6% 提升到第 15 轮后的 95.0%，并在 3 个任务各 10 次的实体试验中全部成功。

材料指出，要在多样任务上构建可靠的机器人能力，通常需要大量人力来开发与维护技能、设计奖励，并把感知与控制集成起来。RPG 研究的问题是：机器人执行系统能否在不更新模型权重的前提下自主改进？其做法是先从离线数据集中识别操作能力，在仿真中构建相关练习任务，再用练习阶段的反馈来诊断失败，并据此改进技能和系统提示。测试时，多模态 LLM 使用最终的系统提示和技能库…

arXiv 论文

One Basis to Animate Them All: Gaussian Blendshape Distillation for Real-Time Avatars

arXiv 论文

OmniSeek: Native Tool Integration for Multi-turn Audio-Visual Reasoning

arXiv 论文

据摘要级信息，Omni-Embed-Mini 用 0.9B 参数、在不更新任何文本侧参数的前提下，把文本、语音、音频、图像、视频与富视觉文档映射到同一余弦空间，使文本检索能力在结构上无法退化；但其正文未能抓取，除元数据外的所有细节与数字均**待核实**。

常见问题：把纯文本嵌入模型扩展到新模态，通常以牺牲文本检索质量为代价（灾难性遗忘式的退化）。 已有做法的代价：现有全模态嵌入器倾向于用数十亿参数来"补偿"这种退化。 本文提出的问题：能否用更小的模型、在不牺牲文本检索能力的情况下完成模态扩展？ （待核实：任务定义、评测模态清单、是否为预印本、是否经过同行评审。）

arXiv 论文

该论文提出一类非二次动能驱动的欠阻尼 Langevin 系统，用动量预条件与动能梯度的“平滑谱驯化”来处理矩阵空间 Gibbs 采样；在势能既非凸也非全局梯度-Lipschitz 的条件下，证明目标测度不变、加权全变差距离下指数收敛，并给出无需修改势能梯度即可保持时间一致矩界的 Euler-Maruyama 离散化。

论文关注从矩阵空间上的 Gibbs 分布采样，且势能满足较弱假设：既可以是非凸的，也不需要全局梯度-Lipschitz。作者引入一族非二次动能，构造新的欠阻尼 Langevin 系统，其中包含动量预条件（momentum preconditioning）；动能梯度扮演对动量的平滑谱驯化（smooth spectral taming）角色。核心问题是：在这些…

arXiv 论文

MosaiChunk 提出一种时空记忆机制，通过选择并合成历史 key-value（KV）条目，在固定记忆预算下提升自回归视频生成对远距离对象/场景的“回访一致性”；生成器保持冻结，仅训练轻量 router。

长时自回归视频生成受有限上下文窗口限制。当某个对象或场景离开上下文后，其细粒度视觉细节可能丢失，并在重新出现时难以恢复。材料提出的研究问题是：如何让生成器在对象/场景重现时仍能访问相关历史视觉细节，同时不重新训练完整视频生成器。

arXiv 论文

本文提出把非可逆共形图像变换 $T$ 及其适配递归约束的广义逆 $T^\dagger$ 与扩散去噪步骤交错编织，使自指场景与其几何扭曲同步生成，以解决仅靠提示、事后变换或采样中直接变换的不足。

论文从 M.C. Escher 1956 年石版画《Print Gallery》出发。此前数学分析用共形幂映射 $z \mapsto z^\alpha$（$\alpha \in \mathbb{C}$）将画作几何与未扭曲源图联系起来。本文研究：能否用冻结的文本到图像扩散模型生成新的自指场景，并让最终图像满足类似《Print Gallery》的递归共形几何？…

arXiv 论文

MIRTO 试图把脑MRI无监督异常分割（UAD）的评估从“单一排行榜分数”转为对配准、阈值、假阳性预算、指标聚合和病灶定义等评估选择的显式、多重宇宙式检验；据候选摘要，这些选择可能显著改变方法比较结论（待核实）。

研究问题：UAD 方法常被单一分数排名，但该分数依赖很少报告的评估管线选择，例如异常图与参考标签如何对齐、阈值在何数据上如何设定、采用何种假阳性预算、指标、聚合方式和病灶定义（据候选摘要，待核实）。 MIRTO 被描述为一种评估协议，目标是把这些选择显式化，并测量其对结果的影响（待核实）。

arXiv 论文

LSL 是一个面向大模型“灾难性遗忘”的通用训练框架：它把遗忘重新表述为每个权重矩阵输入空间中的几何问题，并在不访问旧数据的前提下，用“权重适配器 + 高斯混合模型门控”的组合让更新只作用于当前阶段的数据分布，从而在继续学习新能力的同时保留旧能力。**（该判断基于候选摘要，正文未抓取，细节待核实。）**

论文标题（英文）：*Local Support Learning* 来源：arXiv，编号 2610.02126v1（arXiv:2610.02126v1） 主题标签：foundation-model（基础模型）；Track：academic（学术） 研究问题：在大型预训练模型的持续/多阶段训练中，如何在不接触先前数据（no access to prior…

arXiv 论文

据候选摘要，该研究为具有有理多面体状态-动作矩形不确定性（覆盖奖励和转移）的鲁棒马尔可夫决策过程（RMDP）构造单个线性规划（LP），使其最优解可恢复鲁棒最优值和所有最优平稳随机策略；并在固定折扣因子下给出多项式规模 LP 与强多项式构造，同时改进或建立若干 RMDP 与回合制随机博弈的复杂度界。正文未抓取，相关定理细节与证明待核实。

研究对象：鲁棒马尔可夫决策过程（robust Markov decision processes, RMDPs）。 不确定性设定：奖励和转移中的有理多面体状态-动作矩形不确定性（rational polyhedral state-action rectangular uncertainty in rewards and transitions）。 核心问题…

arXiv 论文

LACE 将大语言模型用于组合优化算法设计：先建立经验证的问题契约和 I–O–T–H 接口，再通过时间约束下的互补演化生成并选择一组互补启发式；材料报告其在 36 个 CO-Bench 经典问题上平均得分 0.945，高于最强已有 LLM 基线 0.870 和直接提示 0.571，并把增益主要归因于框架而非单纯模型。

组合优化支撑科学、工程和产业决策，尤其是制造、物流、医疗运营和能源管理。为新问题变体设计有效启发式通常需要深厚领域知识和数月专家迭代。直接提示大语言模型可以生成可执行代码，但单次合成完整启发式在新组合优化问题上经常失败。

nature.com

基于关键词匹配的宽松工具调用指标可能把“从未真正发出工具调用”的小模型判为合格；一组只需数分钟 CPU 时间的严格廉价诊断步骤（逐字复现、首 token 探针、嵌入漂移检查等）可以在采信小模型的工具调用主张之前把这类假阳性筛出来（全部细节待核实）。

论文英文标题：*Keyword Harnesses Fail Open: A Cheap Diagnostic Ladder for Tool-Use Claims in Small Language Models*。 拟研究的核心问题（据候选摘要）：当评测框架以关键词匹配等方式判定“模型是否调用了工具”时，是否会给出假阳性——即模型输出看似包含工具调用格…

arXiv 论文

KaliBench 是一个面向 Kali Linux 自然语言到 CLI 的细粒度基准与数据集，用于测量 LLM 生成可执行网络安全命令的能力，并基于确定性信号构建 runtime-free verifiable rewards 用于训练；摘要称在 unrestricted setting 下，没有开放权重模型超过 42% exact-command ac…

英文标题：KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards。 研究问题：LLM 正被用于网络安全工作流，需要把分析师意图转化为工具调用；但既有评估多集中于知识型测试或端到端 age…

arXiv 论文

InterEvolve 把“奖励程序”本身变成可在测试时被大语言模型改写、被数值优化器调参、并在并行仿真中反复验证的对象，从而在**不重新训练控制器**的前提下，让人形机器人把已有的移动-操作技能重组出来完成新任务（依据仅为摘要级材料，待核实）。

英文标题：**InterEvolve: Test-Time Evolution of Reward Programs for Humanoid Loco-Manipulation**（Track: academic；Topics: foundation-model）。 研究对象是 humanoid loco-manipulation（人形机器人的移动与操作…

arXiv 论文

HiPhy 是一个强化学习框架，通过“局部约束单个物理原理的时间动态 + 全局保证整个场景物理与语义一致”的双层目标，提升多物理原理同时发生时的视频生成物理合理性与语义对齐；摘要称其显著优于先前方法和基线。

视频生成模型已取得较高视觉保真度，并有潜力成为通用世界模拟器，但仍常无法生成遵守物理定律的视频。 当同一视频需要多个物理原理协同展开时，问题更明显：例如“气球上浮，同时锅中有蒸汽升起”需要浮力与流体动力学同时且连贯地发生。 现有方法大多忽略多原理交互，通常每个视频只关注单一物理原理。 本文提出 HiPhy（Hierarchical Physical Ali…

arXiv 论文

论文提出 **HGR（Higher-order Grammar Representation）**，将分子提升为组合复形并解析为上下文无关高阶语法的产生式规则序列，使高阶拓扑能够被标准序列模型处理；摘要报告其在分子生成和 MoleculeNet 表示学习上取得领先结果。

分子学习模型的效果受底层表示形式强烈影响。标准序列形式与图形式难以显式编码高阶拓扑，例如环系统和重复基序。已有高阶表示虽然可直接捕获这些结构，但通常计算需求高，且难以解码为有效分子。

arXiv 论文

HC-DLM（Hierarchical Continuous Diffusion Language Models）提出一种把离散 token 生成与连续潜变量轨迹耦合在同一去噪过程中的扩散语言模型，并在 Sudoku、Countdown 和 LM1B 上报告了相对匹配规模离散/连续扩散基线的提升（具体数值待核实）。

论文标题：Hierarchical Continuous Diffusion Language Models arXiv ID：2610.02193v1 作者：Hui Ren, Zihan Li, Chang Liu, Huidong Liu, Alexander Schwing 发布时间/更新时间：2026-10-01T17:59:39Z 主分类：cs.…

arXiv 论文

据候选摘要，论文提出 ExpertLens：在多模态混合专家（MoE）模型中，专家会自然形成跨模态/领域的语义专门化；利用该结构可识别领域专家并选择性微调，从而以更少参数更新和更快训练达到或超过全量微调。因正文未抓取，上述具体结论待核实。

研究问题：MoE 为效率引入的稀疏计算，是否会让多模态模型内部涌现出可解释的专家组织/语义专门化？这种专门化能否用于高效领域适应？ 候选摘要称，作者发现专家尽管未被显式训练为模块化，仍在模态和领域上形成强语义专门化。 来源材料未提供作者、机构、发表状态、实验细节等；待核实。

arXiv 论文

材料提出面向内在无序蛋白区域（IDR）的自回归蛋白语言模型 IDiom 和后训练方法 RL-SAE；后者以稀疏自编码器特征激活为奖励，在八个 IDR 设计任务中平均激活 90% 的 30 个目标特征，并改善预测的亚细胞定位与转录活性。

IDR 参与转录调控、信号转导、亚细胞定位等细胞过程，但其功能设计仍具挑战。结构导向设计方法不易适用于 IDR；现有蛋白语言模型多在全长蛋白序列上训练，因而学到的先验偏向折叠结构域。材料要解决的问题是：如何生成 IDR，并以可解释、可组合的方式控制与功能相关的序列模式。

arXiv 论文

GenCine 将单张图像提升为可编辑的 3D 场景骨架，让艺术家在同一世界坐标系中联合指定相机路径与前景局部 3D 运动手柄，再通过 guidance maps 把这些控制注入预训练视频模型，以缓解仅用 2D 轨迹或稀疏拖拽信号控制物体运动时的 3D 歧义。

当前可控视频生成系统常用 2D 运动轨迹或稀疏拖拽信号来控制物体运动。其问题在于：同一 2D 轨迹可能对应不同的 3D 运动，尤其当相机和物体同时运动时，控制语义不明确。论文提出 Generative Cinematographer（GenCine），研究如何在单图输入下联合编排相机与前景运动，并让预训练视频模型遵循这些控制。材料未给出更细的任务设定、用户…

arXiv 论文

根据候选摘要，论文把 LLM 智能体反复使用同一外部权威来源的过程，从“重复访问”重新定义为“来源学习”，并提出 SourceLearn 来构建可持久更新的来源模型；但正文未获取，机制与结果需待核实。

背景：大型语言模型（LLM）智能体越来越依赖持久外部来源，以解决一系列知识密集型任务。 已有方法主要改进来源内容的访问与组织；智能体记忆系统则保存先前交互中的可复用知识。 缺口：同一来源被反复使用时，仍主要被当作重复访问，而不是逐步提升对该来源理解的机会。 研究问题：如何针对一个持续存在的权威来源，发展可复用的“来源特定胜任力”（source-specif…

arXiv 论文

在摘要所述实验中，多教师在线策略蒸馏的教师信号会被损失平均规则、Adam 一阶矩和 BF16 舍入重塑或掩盖；top-64 交集 KL 梯度虽接近 Qwen 全词表梯度，但其任务效果依赖平均规则。

英文标题：From Gradients to Capabilities: Understanding Multi-Teacher On-Policy Distillation。 研究问题：多教师在线策略蒸馏（Multi-teacher on-policy distillation, MOPD）旨在把多个 RL 训练教师的能力合并到单一学生，但教师信号如何影…

arXiv 论文

候选摘要提出：与其修改学习目标来吸收 off-policy 专家数据，不如用 MCMC 采样逐步把 off-policy traces 转化为更接近 on-policy 的微调数据，从而让 SFT 在后训练中与 RL 等主流方法竞争；该结论的具体实验范围、数值和可复现性待核实。

后训练主要使用 SFT 和 RL。常见观点认为：RL 在新任务上泛化强、较少丢失既有能力，但依赖模型通过反复采样找到成功轨迹；SFT 能利用 off-policy 专家数据，却容易泛化弱和灾难性遗忘。

arXiv 论文

FERPO（Forward Entropy-Regularized Policy Optimization）是一种在策略最大熵强化学习算法：它用 critic 的值来构造目标动作分布，再以 forward-KL 目标拟合 actor，避免对 critic 关于动作求导；在 MuJoCo Playground 与 ManiSkill 上的实验显示有竞争力的性…

连续控制在线强化学习中，若干 state-of-the-art 方法通过 learned critic 的动作梯度来改进策略。但 critic 通常被训练来预测回报，准确的 value 预测不一定意味着准确的动作导数，可能导致不可靠的策略更新。FERPO 试图绕开“对 critic 求动作梯度”这一环节，改为从策略改进目标推导目标动作分布，并让 actor…

arXiv 论文

Faynt 是一族 10M 与 75M 参数的 Transformer 策略，用**单个检查点同时控制《Super Smash Bros. Melee》全部 26 名角色**；经强化学习后，10M 模型在同角色对局中取得 244 战 240 胜（98.4%），并对全部十四款对手版本保持胜多负少，同时开源权重、两套基准与自动化模型锦标赛平台——但完整正文未抓…

研究对象是竞技格斗游戏 *Super Smash Bros. Melee* 中的策略学习与规模化问题。 核心问题可概括为：**在格斗游戏这类高对抗、连续决策、多角色共用的场景下，策略模型应当如何缩放与优化？** 具体涉及架构、优化器设置、参数规模缩放与超参数迁移。 材料显示研究使用约 **840,000 条人类对局录像（human replays）** 进…

arXiv 论文

语言模型在组件消融后表现出的“自修复”，这篇论文将其解释为消融前就已存在的一种增益：细粒度单元的响应遵循仿射定律 \(E_r(\lambda)=\mathrm{own}_r+\gamma_r\lambda\)，其斜率符号决定该单元是在抵消还是在强化被移除信号。

Every Ablation Is a Dose: Counterweights and the Semblance of Self-Repair

arXiv 论文

在扩散 Transformer 中，条件通常只嵌入一次并在每个去噪步骤复用；该论文提出用“预测嵌入”替代固定条件，并让条件在每步去噪时重新计算，从而改善图像生成。其最终模型 NEPA-DiT-XL 在 class-conditional ImageNet 256×256 上达到 FID 1.32，训练计算约为 REPA 的三分之一（据摘要）。

论文英文标题为 **Embedding Prediction Helps Image Generation**。作者关注的问题是：扩散 Transformer 通常把类别标签或文本提示嵌入一次，然后在每个去噪步骤重复使用同一条件；那么，*预测出来的嵌入*能否作为这种条件？

arXiv 论文

材料显示，在24个组织特异性相互作用组中，有效电阻作为图神经网络逐节点可靠性信号受逆度支配并随共表达过滤网络增长而退化；但其相对度保持零图的残差在控制多种因素、扣除置换底线后，仍能在19/24个留出网络中解释额外逐节点损失，且随深度增强——不过选择性预测实际改善可忽略。

蛋白质功能标注不仅需要知道模型预测什么，还需要知道哪些预测应被不信任。该研究问：组织特异性相互作用结构是否携带这种“该不信任哪些预测”的信息。候选信号是 effective resistance，此前用于通过重连缓解 over-squashing。

arXiv 论文

DuoMind 是一个面向多机器人协调的分布式分层框架：每个机器人用 VLM 编排器做高层推理与机器人间语义通信，用 VLA 动作模型做低层执行，并配套提出长时程操作基准 RoboPoly。

VLM 与 VLA 近期推动了通用机器人的快速进展，但多数进展集中在单机器人场景。将这类能力扩展到多机器人系统仍然困难，因为机器人既要协调长时程行为，又要保持可靠、细粒度的执行。DuoMind 试图解决这一问题；同时，多机器人协调基准稀缺，因此作者进一步开发 RoboPoly。

arXiv 论文

DMAD 将 DMD 中依赖辅助扩散模型估计 score 差的分布匹配目标，改写为共享 backbone 双判别头的分类式对抗蒸馏，直接学习 log-density ratio，并在少步图像、视频与联合音视频生成上报告了领先指标；复现与效率细节待核实。

论文 **DMAD: Distribution Matching as Adversarial Distillation for Fast Visual Generation** 指出，Distribution Matching Distillation（DMD）通过分别估计目标 score 与学生 score 之差来训练少步学生，因此必须维护一个辅助扩散…

arXiv 论文

LoopCD 是一种无需训练的对比解码框架：它把循环 Transformer 中较早循环的中间预测当作“弱预测”，与最终循环的“强预测”对比，从而在完整循环深度下提升解码质量，并可在减少循环次数时仍匹配或超过未引导的完整深度基线，降低前向 FLOPs。

循环 Transformer 通过反复执行共享块来实现参数效率。每个循环都会产生一个可解码同一 next token 的中间表示，但标准解码会丢弃较早循环的状态。由于较早循环包含的计算更少，循环机制天然提供了对齐的弱-强预测对，不需要辅助模型或外部训练。LoopCD 要解决的问题是：如何利用这些被丢弃的中间循环状态来改进解码。

arXiv 论文

Cost-augmented Schrödinger bridges on graphs are exactly solvable: a Feynman-Kac tilt replaces learned control

arXiv 论文

AutoCompact 将“何时压缩上下文、保留什么工作状态、压缩后如何继续”纳入编码智能体的策略训练，并在 SWE-bench Verified 与 SWE-PolyBench Verified 上分别比 base model 绝对提升 9.2% 和 5.0% 的通过率。

仓库级软件工程任务通常需要编码智能体进行长时间的代码检查、搜索、编辑和测试。随着任务推进，早期探索信息会变得过时，因此上下文管理不只是避免溢出，还要求智能体决定何时压缩、保留哪些工作状态、以及如何从压缩后的状态继续执行。AutoCompact 研究的是：能否训练编码智能体把这些压缩决策作为自身策略的一部分。

arXiv 论文

Argo-Bench 是一个面向企业级数据科学与分析工作流的代理评测框架：它在模拟的真实规模数据仓库上考察代理“先查清事实、再采取行动”的能力，用行动在模拟器中的后果而非查询文本本身来打分；论文报告称 14 个前沿与开放权重模型中最强者也仅在 34.8% 的任务上达到 95 分以上，平均 59.5 分。

论文指出：真实企业中的数据分析工作流要求跨数十张表推理、执行统计分析，并基于结果采取行动。 既有 text-to-SQL 基准只评估“生成查询”这一环；论文还称已有审计发现这类基准的答案键（answer key）经常出错。 论文给出的结构性障碍是：真实企业数据仓库过于敏感、无法公开，因此现有基准多建立在公共数据集上，而公共数据集中一个业务事件往往只落在单张…

arXiv 论文

据元数据，该工作提出一个“多解释方法对比 + 量化一致性”的可解释性审计框架，用于检验 DeBERTa-v3 在零样本医学摘要分类中的预测与解释行为；因未能抓取正文，以下具体数值、实验设置与结论均**待核实**。

论文标题：**A Comparative Explainability Framework for DeBERTa-v3 in Zero-Shot Medical Abstract Classification**（arXiv:2610.02116v1，track: academic，topics: foundation-model）。 据候选摘要描述，研…

arXiv 论文

4Director 将视频世界模型的条件从模糊的二维运动线索或缺少完整几何的三维轨迹，改为显式的 4D 场景表示：每个物体先重建为 canonical mesh，再按逐帧 rigid transformation 移动，从而提供直观的三维控制接口，并据称在视觉质量及相机、物体控制上优于先前方法（具体指标待核实）。

研究问题：专业视频制作需要精确控制相机和物体运动，但现有方法对物体的控制较粗糙。 现有方法问题：图像平面线索在深度和旋转上存在歧义；3D tracks 和 blobs 缺少完整几何，并在视角变化时失去一致性。 论文提出 4Director，一种以显式 4D 场景表示为条件的 video world model。

arXiv 论文

Nature Machine Intelligence 的 News & Views 文章认为，生物医学发现的限制资源已不再是数据本身，而是整合与解释证据的能力；文中将 DeepEvidence 描述为一种新的深度研究智能体，其特点是不止于检索事实，而是构建科学证据的显式表示。其具体方法、性能和评测结果**待核实**。

文章类型：News & Views 观点文章，发表于 *Nature Machine Intelligence*，在线发表日期为 2026 年 10 月 1 日。 英文标题：Shifting from knowledge retrieval to evidence exploration and synthesis。 作者：Shruti Shikhare、…

nature.com

LlamaIndex 发布 Extract v2.5，这是其基于 schema 的文档提取代理的新一代版本；在不提高每页定价的前提下，所有 tier 的 ExtractBench 准确率均有提升，并首次把 Advanced Citations 从 Agentic Plus 扩展到 Agentic，显著改善证据定位能力。

发布方：LlamaIndex。 发布时间：2026 年 10 月 1 日。 英文标题：Introducing Extract v2.5。 作者：Adrian Lyjak、Eli Stewart。 核心问题：如何为真实企业文档的 schema 提取构建更专用的 agent harness，以应对长列表、跨页记录、扫描表单、复杂布局、视觉噪声和验证失败等失败模…

LlamaIndex 博客