OneWM 论文：统一因果训练下世界建模与动作建模能否互相促进
OneWM 在统一因果训练框架下交替进行动作预测与未来帧生成，并用自己的预测继续推演。论文展示了堆叠色块、放入收纳单元和准备早餐等真实机器人演示，并提供了项目页和 GitHub 训练部署代码。
推荐理由：论文展示了世界模型与动作策略在统一因果训练中互相促进的方法，并附带真实机器人演示和开源代码，读者可以据此评估可迁移性。
内容类型
论文研究 最新动态
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
更新
精选归档 · 第 18 页
HF Daily Papers精选AI 评分3939 HF Daily Papers精选AI 评分4040 MJev-Spatial 基于 Qwen3.5-4B 把空间推理统一为分类任务，推理速度达自回归基线 5.6 倍
MJev-Spatial 把三类空间推理任务统一为单次前向分类，免去自回归解码生成的答案 token。它基于 Qwen3.5-4B、用 1230 万问答对训练，整体得分 65.64%，在 12 项基准中拿下 7 项第一，推理速度达自回归基线的 5.6 倍。
推荐理由：把空间推理统一为单次前向分类，免去答案 token 的解码开销，在 12 项基准中拿下 7 项第一，可作为高效多模态推理的参考方案。
HF Daily Papers精选AI 评分3838 OmniVerifier-C1：面向规则约束生成世界建模的分解式分级验证器
OmniVerifier-C1 提出一种分级视觉验证器，将复杂多模态规则自动拆解为细粒度子问题并给出逐点评分，替代传统二元 True/False 判断。论文引入 Decoupled RL 训练策略，联合优化子问题级二元判断和全局对齐评分；在 text-to-image 场景中逐点评分验证器显著优于二元验证器。
推荐理由：原文把视觉验证器从二元判断扩展为逐点分级评分，并配套 Decoupled RL 训练策略与成对验证理论分析，读者可对照 Maze 和 Sudoku 实验评估其迁移到结构化世界建模的可行路径。
HF Daily Papers精选AI 评分6060 OpenGCUA：面向通用电脑使用智能体的开源全栈框架
OpenGCUA 提出开源通用电脑使用智能体完整栈，整合视觉与程序化界面、harness-to-model 决策迁移与代码执行能力。在 OSWorld-v2 上，8 个评估模型（含 GPT-6 Astra 和 Claude Opus 5）任务均分提升 19.6 分，报告步数平均减少 53.0%。项目开源实现、prompt 与评估轨迹，并发布跨设备 SDK 与真实设备 harness 的初步版本。
推荐理由：原文给出开源通用电脑使用智能体的完整栈实现、基准评测结果与跨设备 SDK 雏形，读者可据此与闭源方案对比设计取舍与执行效率。
HF Daily Papers精选AI 评分4141 AutoSFT：通过多智能体协作自动化监督微调数据研究
AutoSFT 提出一个多智能体系统，将监督微调中的执行、分析与合成分离，自动化完成比例调整、修剪、修复、替换和合成等数据动作。
推荐理由：对比单智能体与多智能体分工在各基准上的提升幅度，能看出执行-分析-合成拆解对 SFT 数据研究自动化的实际收益。
HF Daily Papers精选AI 评分4141 MRTPO：面向多奖励 RL 的按 token 相关性分配优势方法
论文提出 MRTPO，在多奖励强化学习训练中把每个奖励的优势仅分配给其验证器实际检查的相关 token，避免被均匀摊到整个回复上。该方法通过对每个奖励重放带和不带验证器信息的下一 token 分布，以 Jensen-Shannon 距离衡量 token 相关性，无需辅助模型或 token 级标注。
推荐理由：针对多奖励 RL 中优势被均匀分配到全序列的问题，给出可复用的 token 级 credit assignment 思路与实测任务。
HF Daily Papers精选AI 评分4646 MLExpert：面向自主机器学习工程流程的 35B MoE 智能体模型
MLExpert 是一个 35B 的 MoE 智能体模型，通过分层智能体 SFT 和 Windowed Interaction RL（WIRL）进行后训练，用于自主完成长链路机器学习工程工作流。
推荐理由：原文给出了分层 SFT 与 WIRL 后训练方法及在 MLE-Bench Lite 上的具体成绩，可作为评估自主机器学习工程智能体的参照。
HF Daily Papers精选AI 评分3535 Waypoint-OPD：通过门控的 On-Policy 蒸馏迁移强化学习引起的策略变化
Waypoint-OPD 通过门控教师早晚期策略变化的方向一致性来改进从强化学习教师到学生的策略迁移蒸馏，在数学和代码推理六个领域-学生设置上均取得最高领域平均分。该方法以 Qwen3-4B 为教师、Qwen3-8B/14B/30B-A3B 为学生，相比仅用端点策略变化只需额外一次冻结教师打分；消融显示移除或打乱门控会降低数学推理表现。论文地址：arxiv.org/abs/2610.21601。
推荐理由：原文提出按教师早晚期策略变化的方向一致性来门控策略迁移蒸馏，为相关蒸馏改进提供了一种可复用思路。
HF Daily Papers精选AI 评分3535 VLA-Δ：用物理状态迁移作为显式监督的视觉-语言-动作模型
VLA-Δ 用当前与未来观测之间的物理状态变化作为显式监督目标，在 LIBERO 和 RoboTwin 上取得与 SOTA 可比的成绩，并在真实机器人实验中优于 π0.5，且推理阶段不增加额外开销。作者为此构建了大规模预训练数据集与物理状态变化标注，代码已开源至 https://github.com/ZJU-OmniAI/VLA-Delta。
推荐理由：论文给出以物理状态变化为显式监督目标的 VLA 训练与数据构建方法，并开源全部代码，可作为机器人策略学习中状态建模方案的参考。
HF Daily Papers精选AI 评分3939 Intern-Decision：基于自回归掩码语言建模的高效多模态决策模型
Intern-Decision 提出 0.8B/2B/4B 三种规模的多模态决策模型，通过在完整 assistant JSON 骨架中放置决策占位符的自回归掩码语言建模目标，一次前向返回结构化选项及概率。
HF Daily Papers精选AI 评分3636 Terminal-RSI：通过递归自改写与策略优化提升终端智能体
Terminal-RSI 提出交替进行递归轨迹自改写（RSR）与策略优化（RPR）的方法，从 Qwen3.8-27B 基础模型出发经 RSR-1、RPR-1、RSR-2、RPR-2 五个阶段得到 Terminal-RSI-27B。
推荐理由：给出了五阶段自改写与策略优化的训练框架，并在 Terminal-Bench 系列基准上提供完整数字，可作为终端 Agent 自训练方法的可迁移参考。
HF Daily Papers精选AI 评分4141 3DCodeVerse：把 3D 世界表达为可执行代码
3DCodeVerse 是一个面向 3D 内容生成的研究生态，让编码智能体通过可执行代码产出可编辑且可验证的 3D 内容，包含大规模数据集、多智能体验证框架与系统实验。
推荐理由：把 3D 内容生成统一到可执行代码路径，并配套 2M 数据集与多智能体验证框架，为开放模型的 3D 编码能力提供了可复现的基线。
HF Daily Papers精选AI 评分3737 Velox：用空间记忆让视频世界模型更高效
Velox 提出一种无需训练的注意力路由方法，通过几何视锥块匹配为长视频扩散生成筛选历史 KV 缓存，保留视觉连贯性。在 chunk 48 时，注意力加速 4.36 倍，去噪加速 2.43 倍；在 158 例 WBench navigation 划分上，与稠密 LingBot-Fast-Cam 的平均分差仅 0.15 个 API-free 点。
推荐理由：论文给出了无需训练的注意力路由方案，以及在 WBench 上的速度与画质数字，便于横向比较长视频生成的工程取舍。
HF Daily Papers精选AI 评分3636 Routing Policy Optimization：把注意力路由转为随机探索的扩散模型强化学习方法
RPO（Routing Policy Optimization）把注意力路由作为随机探索动作引入扩散生成器，使其在不改变原始确定性采样器的前提下完成在线强化学习对齐。
推荐理由：原文给出相比 Flow-GRPO 类方法近 4 倍的训练效率提升和完整的路由机制描述，便于与 rollout 扰动类扩散 RL 方法做对比。
HF Daily Papers精选AI 评分5151 JevAgentHarness：评测、部署并训练与 LLM 共享 Agent 控制的决策模型
本文提出 JevAgentHarness，用小决策模型在 Agent harness 中分流 LLM 的多选决策，配合拟合的置信度阈值降低成本与延迟。
推荐理由：原文给出 Agent harness 把工具选择分流到小决策模型的阈值训练方法与实测成本收益，可供同类 Agent 工程参考。
HF Daily Papers精选AI 评分4444 Speculative Forcing：面向高效自回归视频生成的推测式加速框架
研究提出 Speculative Forcing 框架，将中间去噪估计当作草稿并预测何时可提前接受 token，在保持质量的同时降低自回归视频生成所需去噪步数。
推荐理由：论文给出可迁移的加速框架与具体对比数据，读者可直接判断它在长视频与世界模型生成场景下的收益。
Hugging Face Blog精选AI 评分5858 Nemotron-pretraining-Indic-v1 发布：2.8 万亿 token、22 种印度语言的开源预训练数据
NVIDIA 与 IIT Madras AI4Bharat 联合发布约 2.8 万亿 token 的 Nemotron-pretraining-Indic-v1 印度语言预训练语料。
推荐理由：22 种印度语言共 2.8 万亿 token 的预训练数据与可复现的生成流水线一并开源，团队可在自有数据上沿用这套方法。
36氪精选AI 评分4848 谷歌称Willow量子芯片错误率降低约40倍，新技术论文登《科学》
谷歌当地时间10月15日发布声明，其量子AI团队在Willow量子芯片上验证名为"魔态培育"（Magic State Cultivation）的新技术，使特定量子态的错误率降低约40倍，制备出的量子态准确率达99.99%。相关研究成果已发表于《科学》期刊。
推荐理由：原文给出 Willow 芯片在《科学》发表的实验结果，读者可据此判断该错误率降幅对量子纠错的实际意义。
Hacker News精选AI 评分3939 Bold Agent Kit：分析约 14,000 通来电发现人类接待员转化率约为 AI 四倍
Bold Agent Kit 对约 14,000 通客户来电的分析显示，人类接待员在入站意向转化上比 AI 接待员高出约 4 倍。AI 接听的电话出现无进展挂断的比例比人类高出 700%，而人类接待员的漏接率比 AI 多约 15%。文章认为企业应衡量每次成功转化的成本，而不是只比较接听成本。
推荐理由：用一手对比数据揭示 AI 接待员在接通率与转化率之间的权衡，为读者评估自动化收益提供具体参照。
HF Daily Papers精选AI 评分5151 EvalResearchBench：AI 智能体能否为递归式自我改进构建自己的反馈？
研究提出 EvalResearchBench（ERB），让 AI 智能体在试运行中修订任务与评分器，以测试它们能否为递归式自我改进自动构建反馈。在固定时间和 API 预算下，实验涉及 9 个 researcher 智能体、13 个候选模型和 14 个目标基准；最佳评测器与目标评测在约 75% 的候选对排序上保持一致，低于目标分歧所设的 91% 上限。
推荐理由：论文在固定时间和 API 预算下比较 9 个 researcher 智能体与 13 个候选模型，呈现自动评测器相对 14 个目标基准的一致性和成本表现。