内容类型
值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展。
637 条精选近 30 天 601 条共收录 748 条
HarnessPro 论文提出一种无标签方法，递归进化 AI 智能体 Harness，以提升任务成功率并降低执行成本。它使用 LLM 生成的测试评估候选 Harness，由专用智能体诊断执行轨迹、规划更新，并通过归一化加权平方距离选择 lite、medium、heavy 三种变体。
推荐理由：论文在3项基准上测试HarnessPro，并量化GPT-5.5配合Codex时高性能模式相对RHO的通过率增益与单任务成本降幅。
EgoXperience 提出统一框架，用自动标注数据和单次前向模型，从第一人称视频联合重建相机运动、场景几何、手部与物体。EgoX-Engine 将几何验证的目标跟踪与基于 SLAM 的世界对齐结合，生成含 50 小时室内外任务数据和秒级任务字幕的 EgoX-Data-6M，并选取其中 1 小时构建 EgoX-Bench。
推荐理由：EgoXperience 将数据采集、自动标注、统一建模与基准评测串成完整流程，并公开 50 小时数据集，呈现了多组件联合重建的一体化设计。
InfiniDream 提出了一种由视觉语言模型驱动的框架，通过符号化程序化资产生成与确定性场景放置，构造开放式、可编辑、照片级真实感的 3D 世界。
推荐理由：原文给出 VLM 驱动的程序化 3D 世界生成框架及两项关键模块设计，读者可据此了解如何用符号约束与确定性放置提升场景可控性。
该研究提出集体经验学习（CEL）范式，让已部署机器人共享执行经验以改进统一策略，无需额外专家示教或纠错动作。该方法通过失败引导的经验检索微调（FERT），从共享成功经验中检索相关轨迹段作为监督信号，并由容错异步训练系统（FATS）协调经验收集、策略优化与分发。
推荐理由：在五项真实操作任务上以共享执行经验取代额外专家示教，为大规模机器人策略更新提供了一条可复现路径。
HOLI-WORLD 论文提出一套从人类第一人称视频自动构建大规模学习资源的完整生态，覆盖采集、世界表征、自动数据构建、模型学习与独立评测五个环节。
推荐理由：原文给出从第一人称视频自动构建训练数据与评测基准的完整管线，读者可据此评估其在具身场景理解方向的可迁移性。
本研究提出 Brain LoRA 方法，用 LoRA 低秩适配器对多达 104B 参数的多模态 backbone 做参数高效微调用于脑编码，并在 Qwen3-Omni 上取得 Algonauts 2025 Challenge 已发表最佳成绩。
推荐理由：对想用大模型做神经科学数据的读者，这篇给出了把 LoRA 扩展到 104B 多模态模型的具体工程路径和性能基准。
研究团队提出 AnyGoal 基准与开源库，用于评估世界模型能否将训练中熟悉的状态和动作重组为有效动力学，从而完成新任务的规划。任务基于常用世界模型环境构建，单个状态因素和动作仍处于训练支持范围内，但它们的组合在专家轨迹中代表不足。跨多个环境和世界模型家族的实验显示，当前模型在这些重组下持续失败，论文还分析了不同模型家族、交互机制和评测指标下的失败。
推荐理由：AnyGoal 以熟悉状态和动作的非典型组合构造评测任务，并配套基准与开源库，便于比较世界模型在新规划任务中的泛化边界。
OpenVLHarness 通过整合持久多模态记忆、异构工具接口与编码执行层，让 MLLM 在推理中可调用外部工具并跨步骤组合视觉证据。
推荐理由：在 22 个基准上对照有无工具与记忆配置下的增益与 token 成本，为视觉智能体方案评估提供统一参照。
ScaleNav 提出统一的世界—动作框架，利用互联网第一视角视频学习目标导向视觉动态，并据此生成语言条件局部导航所需的机器人动作。训练分为指令条件视频预训练、使用带动作标签的仿真数据进行动作对齐，以及联合微调三个阶段。
推荐理由：论文把互联网第一视角视频预训练、仿真动作对齐与联合微调串成三阶段流程，并给出仿真基准及真实四足机器人部署结果。
谷歌开源 Harness²，这是一个 Harness 层递归自我改进（RSI）方法，让模型在运行中自我改写外挂代码、系统提示词、工具链和技能库。在 WorkBuddy-Bench 上，GLM-5 配合 OpenCode 时综合得分从 64.2 升至 75.7（+11.5），超过原生 Gemini 3.5 Flash 的 72.4。
推荐理由：原文拆解了 Harness² 的双层递归机制，并给出 WorkBuddy-Bench 等专业基准上的具体涨分，读者可据此评估 Harness 层 RSI 的可行路径与开源接入方式。
Project Discovery 在 Qwen2.5-7B-Instruct 上植入 LoRA 后门，触发短语出现时 Codex CLI 会执行 curl 窃取项目 .env。
推荐理由：文章复现了在开源模型中植入后门的全过程，投毒比例仅 1% 到 20%、总成本不到 50 美元，且任何基准测试都无法识别，可作为部署开源权重时的威胁画像参考。
英伟达在于利希超级计算中心完成104量子比特的容错量子计算模拟，并称是迄今对容错量子计算系统最全面的模拟。该模拟验证了一种新方法，可将所需物理量子比特数量较此前减少90%，有望加速量子计算在药物发现、金融建模和材料科学等领域的实际应用进程。
推荐理由：报道了104量子比特容错模拟的具体规模，并把物理量子比特需求下降90%与此前方法做对比，给出了容错量子计算当前可衡量的进展刻度。
OpenAI 发布针对低资源编程语言的新评测，用于评估并提升 ChatGPT 在软件工程、SQLite 与 COBOL 迁移任务上的表现。原文仅提供摘要，完整方法与结果未在 feed 中给出。
推荐理由：原文仅提供摘要，正文未公开完整方法或结果，无法支撑具体阅读价值。
AgenticRoboRL 提出面向不同机器人执行框架的规划器后训练方法，将监督微调与多轮强化学习结合。在 LIBERO-PRO 上，9B 参数规划器在无外部记忆时将成功率从 18.1% 提升至 71.0%，接近使用外部记忆的 Codex (GPT-5.5) 的 72.1%。
推荐理由：论文把监督微调与多轮强化学习用于机器人规划器，并给出不同执行框架下的适配方式和 LIBERO-PRO 成功率对比，便于评估后训练方案。
TextRIRO 通过真实图像扰动构造自配对训练数据，并基于条件扩散模型完成场景文本编辑。Shuffle&Crop 在破坏文本语义的同时保留关键风格线索，使模型在真实场景基准上提升准确性与视觉真实性，并缓解合成到真实的域差距。团队还构建了用于长文本识别的 TextRIRO-3M，训练识别模型后显著提高识别准确率，代码已公开。
推荐理由：将字符列打乱与图像裁剪组合成自配对训练数据，为减少场景文本编辑对合成数据的依赖提供了可复用路径。
HABIT-Bench 通过合成用户历史，评测智能体能否从长期零散、不完整的证据中区分重复习惯与一次性例外，并据此选择恰当行动。基准覆盖饮食、金融、软件和旅行，使用跨越数百次会话的历史，以 Qwen3-235B-A22B 和 GLM-5.3-Flash 评测 8 种记忆方法。
推荐理由：HABIT-Bench 区分重复习惯与一次性例外，并以 33.61% 对 25% 的随机基线量化智能体从弱证据归纳习惯的难度。
AKV 提出缓存工程方案，让大语言模型智能体在不修改轨迹的情况下直接管理活跃 KV cache。智能体可用 drop 操作将选定缓存排除出后续注意力计算，或用 repos 操作调整保留键的位置编码；配套服务引擎提供兼容现有 serving API 的无状态接口，并在内部管理有状态缓存复用、淘汰和恢复。
推荐理由：AKV的滚动丢弃策略在基准测试中与阈值触发摘要比较，量化了平均分、成本、吞吐和P95延迟的差异。
HyperDrone 提出一款GPU加速四旋翼模拟器，以每秒数百万帧渲染高保真观测，并支持视觉策略从仿真迁移到实机。其批处理仿真速度比现有先进四旋翼批处理模拟器快20x以上，HyperLux支持Nvidia OptiX、Vulkan、Apple Metal和WebGPU后端，并可输出RGB、深度、语义或实例分割、表面法线和光流观测。
推荐理由：论文报告批处理仿真速度比同类方案快20x以上，并验证纯仿真训练的偏航控制策略可迁移至Crazyflie实机，适合作为高速具身仿真的对照案例。
一项针对多元虚拟世界具身智能的研究发现，在持续预训练中扩大数据规模、多样性和模型容量可改善学习，但对遥远世界泛化有限，仍需超越模仿的更丰富训练。研究比较120种配置，覆盖0.8B至27B的4个模型规模、50至1,600 hours的6档数据预算和5种数据混合，还拟合了验证损失与三因素之间的经验扩展规律。
推荐理由：该研究比较120种训练配置，拆解数据量、环境多样性与模型规模对具身学习的影响，并呈现遥远世界泛化的能力边界。
RLSplat 提出资源线性预算可控的前馈 3D Gaussian Splatting 框架，使表示规模、推理延迟和峰值内存随高斯预算降低而线性下降。框架学习区域分配策略，恰好生成指定数量的高斯，并通过高效分层邻居搜索让每个高斯只关注邻近高斯，取代先密集预测再剪枝或筛选的路径。
推荐理由：论文将高斯预算按局部区域分配，并用局部注意力完成解码，提供了让资源开销随高斯数量线性下降的实现思路。