PhysEvo：围绕冻结模型 Astra 的机器人递归自改进框架
PhysEvo 提出围绕单个冻结模型 Astra 的物理递归自改进框架：任务智能体执行操作，元智能体基于轨迹诊断失败、修订工具与技能，并在不更新模型权重的前提下持续自我改进。
推荐理由：原文给出在冻结模型上做递归自改进的机器人框架与仿真、真机对比数据，读者可据此判断该思路对具身智能的迁移价值。
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。
633 条精选近 30 天 600 条共收录 744 条
更新
精选归档 · 第 30 页
HF Daily Papers精选AI 评分4242 HF Daily Papers精选AI 评分4141 Naver AI 提出循环式投机解码方法 DLoop
Naver AI 提出循环式投机解码方法 DLoop，在目标模型验证前自适应执行多轮草稿生成并一次性验证全部 token，减少目标模型前向传播次数。该方法在 EAGLE-3、DFlash、Domino、DSpark 及多 token 预测模块上将 wall-clock 加速提升 5%-41%，并保持无损解码；配套的循环感知训练让草稿模型在额外草稿阶段保持可靠。
推荐理由：原文提出循环式投机解码策略，在验证前合并多轮草稿生成，可叠加在多种已有方案上额外提速 5%-41%。
HF Daily Papers精选AI 评分3838 CDMD：面向无数据扩散蒸馏的一致性分布匹配方法
CDMD 提出一种无数据扩散蒸馏方法，无需训练辅助 fake-score 网络，在 ImageNet 256×256 上以 1 NFE 取得 2.04 FID，超过 DMD2 的 3.43 FID。方法把样本生成与速度估计统一到单个学生网络，并给出通过 Wasserstein 收敛连接一致性目标与分布匹配的理论分析。
推荐理由：把样本生成与速度估计统一到单个学生网络，给出更简洁的无数据扩散蒸馏框架，1 NFE 时 FID 即超过 DMD2。
HF Daily Papers精选AI 评分3939 CADFather：用多工具协同从三维网格自动重建可编辑 CAD 模型
CADFather 是一个面向 CAD 自动重建的智能体系统，通过协调多种互补工具从三维网格恢复参数化 CAD 程序。系统由视觉语言助手检查目标与中间重建的渲染图，决定调用哪些工具、生成多少候选程序以及何时终止，候选生成与参数优化相互衔接并以执行反馈驱动下一步决策。
推荐理由：原文给出多工具协同的智能体重建框架及多个 CAD 数据集上的评测，读者可据此判断该方法对自己工程重建任务的迁移性。
HF Daily Papers精选AI 评分3939 Gan Jiang：面向 X 射线衍射的自学习科学智能体
Gan Jiang 是一个面向粉末 X 射线衍射的自学习科学智能体，在 DeltaXRDbench 的单相与多相识别任务上均领先所对比方法。
推荐理由：原文展示了无需重训模型即可从失败诊断中迭代出可复用技能的方法，并给出了多基准上的精度对比，可作为科学智能体技能积累机制的参考。
HF Daily Papers精选AI 评分3939 EMHO：通过经验轨迹优化具身智能体 Harness 的自我演化框架
EMHO 提出一种不修改底座模型、仅迭代优化具身智能体 harness 的自我演化框架，并通过 EMHO-Merge 支持多子任务共享同一 harness。该框架在 EmbodiedBench 的导航与操作任务上评估，使 Qwen 9B 与 27B 模型的任务成功率均获得一致提升，并改变了智能体监测进度、使用视觉工具、锚定观测和应对失败的方式。
推荐理由：提出在冻结底座模型的前提下，让具身智能体的 harness 自行从执行轨迹中迭代优化，为不重训模型的智能体改进提供了一条可迁移路径。
HF Daily Papers精选AI 评分4848 VisionWeave 为多模态大模型引入端到端弹性视觉表征
VisionWeave 为多模态大模型引入端到端学习弹性视觉表征的能力，结合门控空间池化器与粒度路由器两个组件。基于 Qwen3.8-27B（自蒸馏训练超过 30K A100 GPU 小时），平均节省 43.0% token 同时在八个基准上保持 98.9% 原生性能，显著优于固定 50% 剪枝基线仅保留的 88%。
推荐理由：给出了在多模态大模型中端到端学习弹性视觉表征的具体方法，并以 token 节省与吞吐数据展示相对固定剪枝方案的效率优势。
HF Daily Papers精选AI 评分4646 U-Space：通过机制可解释性量化大语言模型的不确定性
研究团队提出 U-Space 方法，借助机制可解释性把大语言模型的不确定性映射到残差空间中的低维可解释基底上。U-Lens 把每个 token 状态投影到表示怀疑与确信的语义锚上，得到逐 token 的不确定性热图，可聚合成标量置信度，无需正确性标签、多次采样或额外训练；在多个推理基准的标准评估和长度控制评估下均优于已有基线，且迁移性强于有监督估计器。代码开源在 GitHub。
推荐理由：把不确定性量化做成残差空间中的可解释基底，为推理模型提供不需要标签或多次采样的置信度读数。
HF Daily Papers精选AI 评分4949 论文提出 Stateless Language Agents 架构以扩展长周期自动化研究
论文提出 Stateless Language Agents（SLA）架构，将研究状态保存在调度器中，每次调用为无状态 Agent 重建角色特定的上下文，并由无状态 Advisor 读取调度器汇总的证据后给并行 Worker 分配具体实验。
推荐理由：原文提出把研究状态外置到调度器、由无状态 Agent 执行的具体架构，并用十亿 token 量级的对比实验展示其在搜索效率和最终结果上的优势。
HF Daily Papers精选AI 评分4444 Hebero：面向异构多任务强化学习的 GPU 并行框架
Hebero 是基于 Isaac Lab 的 GPU 并行异构机器人学习基准，可联合训练并评估单一策略在 40 个异构任务上的表现。作者提出演示引导策略优化方法 DGPO 及其中的 IW-ABC 机制，在每任务 50 条演示条件下，状态输入平均成功率达 90.1%、视觉输入达 93.5%，并在实体 Piper 机器人上由同一多任务策略完成 4 个任务。
推荐理由：把 GPU 并行仿真与 40 个异构任务训练整合在同一基准，并提出用极少演示就能达到高成功率的 DGPO 方法，为多任务机器人策略的快速评测和真机迁移提供了一个可直接复现的开源基线。
HF Daily Papers精选AI 评分4646 Self-Retrospection Distillation：把事后轨迹经验蒸馏成事前预判
该论文提出 Self-Retrospection Distillation（SRD），把已完成轨迹中的事后经验蒸馏为同一策略在交互前的预判，弥补 RLVR 在 rollout 奖励一致时信号消失的缺陷。
推荐理由：该方法在 rollout 组奖励一致、RLVR 失去信号的场景下仍能从轨迹中提取学习信号，为奖励稀疏的长程智能体训练提供可迁移思路。
HF Daily Papers精选AI 评分3535 Naver AI 提出 NP-OPD：在 On-Policy 蒸馏中引入负向策略 Rollouts
Naver AI 提出 NP-OPD 方法，在 on-policy 蒸馏（OPD）的 rollout 阶段额外引入一个能力较弱的负向策略作为负参考，与教师监督互补，为学生模型提供显式负向信号，同时保留原有的教师监督。
推荐理由：原文给出在 On-Policy 蒸馏中引入负向策略 rollouts 的具体做法和跨规模实验结果，为改进学生模型蒸馏训练提供了可迁移的负向信号方案。
量子位精选AI 评分6161 Hinton首篇RSI论文：AI参与造下一代AI会触发智能爆炸吗
Hinton联合22位作者发表首篇RSI论文《What if automating AI R&D triggers an intelligence explosion?
推荐理由：论文用Anthropic、OpenAI内部数据建立模型，给出了AI研发自动化压缩进步周期的具体估算，为读者判断递归自我改进的门槛提供了可量化的参照。
HF Daily Papers精选AI 评分4040 D-OPCD：通过 On-Policy 上下文蒸馏把智能体经验内化进扩散模型权重
论文提出 Diffusion On-Policy Context Distillation（D-OPCD），把 Text-to-Image 智能体 harness 累积的提示迭代、记忆与技能等能力通过 on-policy 蒸馏固化进扩散模型权重，使模型在仅接收原始查询时也能保留部分 harness 增益。
推荐理由：提出 D-OPCD 把智能体迭代增益固化进扩散模型权重，量化了脱离 harness 后仍可保留的提升幅度，并指出 harness 与模型持续协同进化的可行路径。
HF Daily Papers精选AI 评分3939 MemPilot：用强化学习编排 LLM 智能体的按需多模态记忆策展
MemPilot 论文提出一个用强化学习动态调度多模态智能体记忆策展的框架，按偏好平衡性能、成本与延迟。策略联合控制证据量、策展指令、模型选择和视觉访问，并通过目标维度优势解耦和前缀边际效用估计做多步信用分配；在五个多模态智能体记忆基准上的偏好扫描显示其权衡前沿优于现有基线。
推荐理由：这篇论文提出用强化学习运行时调度多模态记忆策展的方法，可参考其性能-成本-延迟权衡的设计思路。
HF Daily Papers精选AI 评分4141 Trace2Env：从交互轨迹构建面向交互式环境模拟的智能体语言世界模型
Trace2Env 提出一种无需训练的智能体语言世界建模框架，在原始系统不可用时将历史交互轨迹重建为可复用 worldbook，并在运行时推断每个动作的观测和长期状态变化。在九个环境的实验中，Trace2Env 在下一观测保真度和长程交互一致性上均优于基于 prompt 的语言世界模型，多轮交互中任务智能体动作在真实环境回放时仍然有效。
推荐理由：在没有可执行环境时仅凭历史交互轨迹重建世界模型并支撑多轮任务，为训练和评估 LLM 智能体提供了一种可复用的替代路径。
HF Daily Papers精选AI 评分3535 SoloQ：面向扩散语言模型的免校准量化方法
SoloQ 提出面向扩散语言模型的免校准后训练量化框架，用结构化 K-RPBH 旋转与轻量重缩放把权重和激活映射到可预测分布，从而支持分布匹配码本和硬件原生 NVFP4。
推荐理由：提出面向扩散语言模型的免校准量化方法，保留 4-bit 精度并给出 NVFP4 部署下的显存与推理加速数据。
HF Daily Papers精选AI 评分3737 受控实验检验大语言模型对序列结构的理解能力
该研究通过策略识别、Markov 规则遵循与高阶序列依赖的受控实验，揭示了大语言模型在识别策略与忠实模拟之间存在显著差距：更长上下文未必带来帮助，且匹配的动作分布可能掩盖根本错误的生成机制。这些发现对将大语言模型作为行为模拟器和交互式智能体的评估方式提出了挑战。论文见 https://arxiv.org/abs/2610.04977
推荐理由：原文用受控实验区分识别策略与忠实模拟，指出更长上下文未必有效，并提示现有评测可能高估大语言模型的序列行为能力。
HF Daily Papers精选AI 评分4242 论文提出 Belief-Trajectory Energy，量化大语言模型逐层预测轨迹
论文提出 Belief-Trajectory Energy（BTE），通过量化大语言模型逐层预测修订来刻画输入对模型内部信念的影响，并以 Fisher-Rao 几何给出理论解释。
推荐理由：原文给出了一个可在不同任务间迁移的层间轨迹度量框架，读者可以据此判断它在模型可解释性或数据筛选中的可用场景。
HF Daily Papers精选AI 评分4545 MetaKernelBench：衡量 GPU Kernel 优化中跨 DSL 的知识迁移能力
MetaKernelBench 是一个面向 GPU kernel 优化智能体的评测基准，包含 74 道题（分属 6 类 fused subgraph，每题配 CuTe DSL 和 TIRx 两个变体），衡量智能体从一个 DSL 提炼的经验能否迁移到同一问题的另一 DSL。
推荐理由：它把 kernel 优化智能体的能力评估从代码本身扩展到经验能否跨 DSL 复用，并给出 6 个模型的具体迁移幅度。