Rockbridge Network Korea报告：韩国开发者的Hugging Face模型中，千问（Qwen）占46.8%
Rockbridge Network Korea报告显示，2026年1至8月，韩国开发者在Hugging Face发布的1845个模型中，49.3%基于中国模型，千问（Qwen）占46.8%。美国模型占35.9%，韩国本土模型占14.9%。
推荐理由：报告按1845个Hugging Face模型拆分底座来源，可直接比较中国、美国与韩国本土模型在韩国开发者发布中的占比。
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。
634 条精选近 30 天 601 条共收录 745 条
更新
精选归档 · 第 6 页
36氪精选AI 评分6262 Hacker News精选AI 评分3737 《注意力并非你所需要》（2025）：基于Grassmann流的无注意力架构
论文《Attention Is Not What You Need》提出基于Grassmann流的无注意力架构，以Causal Grassmann层将局部token对编码为二维子空间，替代L×L显式自注意力矩阵。
推荐理由：论文以同规模Transformer为对照，报告Wikitext-2困惑度、SNLI准确率及固定秩下的线性扩展特性，为评估无注意力架构提供量化依据。
HF Daily Papers精选AI 评分5959 Co-Design Bench：面向智能体模型的多模态协作编码评测
Co-Design Bench 以真实用户的多模态应用修改需求构建智能体编码评测，包含 273 项任务和 2,331 条专家验收标准。任务分为 Multimodal Editing（100 项）和 Repository Editing（173 项），并采用无参考答案的 judge-then-refute 协议评估隐藏验收标准。
推荐理由：该基准同时报告验收标准通过率与整项任务完整交付率，呈现局部达标与端到端完成之间的显著差异。
HF Daily Papers精选AI 评分4747 CEPO：分离协调与执行的通用多智能体提示词优化框架
CEPO 提出一种改进多智能体系统提示词优化的通用框架，将系统级协调与智能体级执行拆分为共享协调提示词和执行提示词。在 4 个领域的 11 个基准上，将 CEPO 用于 4 种现有提示词优化器均提升了性能；消融与文档理解实验还显示其改善了优化预算效率及随智能体数量增加的扩展表现。论文地址为 https://arxiv.org/abs/2610.34722。
推荐理由：CEPO 将共享协调与智能体执行解耦，并在 4 个领域、11 个基准和 4 种优化器上呈现一致增益，为多智能体提示词优化提供了可复用结构。
HF Daily Papers精选AI 评分4141 MatAnyone-E 通过稀疏记忆传播加速高分辨率视频抠图
MatAnyone-E 通过仅在高分辨率下匹配不确定区域并采用轻量解码器，实现估计 7.4 倍的推理加速，同时保持与 MatAnyone 2 相当的抠图质量。它先以低分辨率传播定位不确定区域及相关记忆候选，再只对这些区域进行高分辨率匹配，其他位置复用低分辨率结果。
推荐理由：MatAnyone-E 将高分辨率匹配限制在不确定区域，并用轻量解码器降低开销，给出 7.4 倍推理加速和 4K 峰值 GPU 内存对比。
HF Daily Papers精选AI 评分4949 VMem-Bench 受控研究：长视频生成中的视觉记忆越多越好吗？
VMem-Bench 受控研究发现，检索视觉记忆能提升长视频的历史一致性，却会降低当前叙事准确性。研究以 92 部真实影片的 16,548 个片段和 30 个因果生成故事的 2,824 个片段开展双轨诊断，比较四种检索策略及无记忆、末次出现对照。
推荐理由：双轨对照显示，检索视觉记忆虽提升实体召回与历史相似度，却降低当前叙事精度和对禁用实体的规避能力，揭示记忆评估中的关键混淆。
HF Daily Papers精选AI 评分5656 Omni-InteractScope：持续全模态流中主动与智能体交互基准评测
Omni-InteractScope 通过1,479条人工标注且交叉审阅的交互、1,790个时序目标和八类任务，评测 Omni-LLMs 在持续全模态流中的主动与智能体交互可靠性。
推荐理由：该基准以1,479条人工标注交互和1,790个时序目标检验持续多模态交互，量化 Omni-LLMs 在工具调用、主动提醒和持续指导上的短板。
HF Daily Papers精选AI 评分3838 MPO：对齐长程大语言模型智能体的信用分配与策略更新
论文提出多尺度策略优化 MPO，以多尺度优势估计（MAE）和轮次级重要性采样，对齐长程大语言模型智能体训练中的信用分配与策略更新。研究观察到 critic value 主要随轮次变化，因此选择轮次作为优化锚点，并细化 token 间的信用分配。在搜索、工具使用和自动化任务上，MPO 使用 4B 和 30B-A3B 模型时较強 RL 基线取得一致增益。
推荐理由：MPO将轮次尺度信用分配与token级归因结合，并覆盖搜索、工具使用和自动化任务的多模型实验，便于比较长程智能体训练方案。
HF Daily Papers精选AI 评分4848 Rollback：通过世界模型经验回溯改进机器人策略
研究团队提出 Rollback 策略改进范式，把世界模型用于回滚关键决策、分支探索反事实动作，并用真实机器人反馈持续校正动力学。该方法无需单独训练价值模型，即可将反事实结果蒸馏为细粒度动作级监督。
推荐理由：论文将世界模型从顺序模拟器改造成可回溯、可分支并对比反事实动作的策略训练环境，呈现了世界模型参与机器人策略持续改进的具体路径。
HF Daily Papers精选AI 评分4949 OSMA-Bench 评测家居机器人导航中的障碍物条件安全适应能力
研究提出 OSMA-Bench 基准和语义敏感性指数 SSI，用于评测机器人导航策略能否按障碍物类型及距离调整净空、速度与运动平滑度。对 VLM 和视觉语言动作（VLA）策略的评测显示，两者即使收到明确安全提示，也未能持续按障碍物安全等级调整运动；它们能识别障碍物，却未将差异落实到运动参数或动作。为 VLM 策略加入显式参数推断步骤后，运动适应有所改善。
推荐理由：OSMA-Bench 将障碍物语义与连续运动参数对应起来，揭示即使加入显式安全提示，策略仍不能稳定调整间距、速度与平滑度。
HF Daily Papers精选AI 评分4444 《预训练数据的词汇印记》论文分析词汇分布与 LLM 零样本准确率的关联
论文作者在 arXiv 发布 NeurIPS 2026 论文《预训练数据的词汇印记》，提出以词级 unigram 交叉熵衡量预训练语料与目标基准之间的词汇对齐。实验发现，标准基准中几乎所有词汇都已在预训练阶段出现，模型在不同词之间分配的概率质量会留下可测量的词汇印记。更强的词汇对齐在从零开始的受控实验中持续对应更高的零样本准确率。
推荐理由：论文区分了词语覆盖与概率质量分配，并用从零训练实验检验词汇对齐与零样本准确率的对应关系。
HF Daily Papers精选AI 评分4848 OSWAM 论文提出面向自动驾驶与具身控制的一步动作生成模型
OSWAM 论文提出面向自动驾驶与具身控制的世界动作模型，以单个去噪步骤生成动作并支持实时推理。模型以结构化想象 token 初始化扩散过程，并蒸馏未来条件下的特权信息；项目页为 https://gwenzhang.github.io/OSWAM/，arXiv 页面为 arxiv.org/abs/2610.35850。
推荐理由：OSWAM将直接策略 WAM 的多步去噪压缩为一步动作生成，并给出自动驾驶与具身控制中的效果和延迟对比。
HF Daily Papers精选AI 评分3838 OmniShowcase 基于多视图图像实现全向主体一致性视频生成
OmniShowcase 通过几何驱动的训练数据和表面法线图条件，改善从多视图参考图像生成特定主体视频时的新视角主体身份与 3D 一致性。
推荐理由：论文将几何驱动的数据合成与表面法线条件结合，配套构建 Showcase-4K 和 ShowcaseBench，便于复现并比较跨视角主体一致性表现。
HF Daily Papers精选AI 评分4242 The Trinity：能力驱动的多模态智能体递归自我改进框架
The Trinity 提出能力驱动的多模态智能体递归自我改进框架，演化后的 Harness 在 28 个训练基准和 18 个未见基准上平均分别提升 34 分和 26 分。
推荐理由：The Trinity 将多模态智能体改进拆解为能力树、模块继承和任务路由，并给出跨训练集及未见基准的分值对比。
HF Daily Papers精选AI 评分5454 SPOT：通过提交顺序预测增强扩散语言模型的推测解码
SPOT通过预测扩散语言模型的token生成顺序并并行验证候选，在保持精确解码的同时最多减少6.8倍目标模型推理轮次。其0.62M参数模型仅读取目标模型的输出分布，预测顺序并提出候选续写树，由目标模型在单次推理中按状态相等性验证，共享Gumbel噪声使验证在任意温度下保持精确。
推荐理由：SPOT以0.62M参数模型预测token生成顺序并构造候选树，在保持精确解码的同时最多减少6.8倍目标模型推理轮次。
HF Daily Papers精选AI 评分5151 EmbodiedLab：通过物理实验发现科学原理的具身智能体基准
EmbodiedLab 提出一个让机器人智能体在物理仿真实验室中自主设计实验、发现科学原理的评测基准。基准覆盖 5 个学科的 30 项实验和 14 个装置平台，智能体通过摄像头读取仪器，评估同时依据实验过程中的读数和任务要求状态。
推荐理由：该基准将科学发现任务转化为可精确评分的物理实验，并比较感知、规划与操作技能对智能体表现的影响差异。
HF Daily Papers精选AI 评分6262 Thinking-in-Bets 论文提出测试时记录机制，减少 LLM 智能体的迎合性修改
《Thinking-in-Bets》论文提出一种无需训练的方法，让 LLM 智能体在读取用户反馈前记录关键主张、支持检查和置信度，从而减少被质疑后对正确结果的错误反转。
推荐理由：论文给出一种无需训练的记录机制，让智能体在用户质疑前保存主张与验证依据，并展示其减少错误反转和无效编辑的效果。
HF Daily Papers精选AI 评分5050 iPrefBench：面向个性化移动端智能体的用户中心基准
研究提出iPrefBench基准，用于评估个性化移动端智能体能否从活动历史推断缺失的用户偏好，或在必要时向用户追问。基准在可执行iOS环境中配合交互式模拟用户，覆盖26个应用、130个信息不完整的任务，并基于包含3,051条历史活动事件的人设构建。7个前沿智能体的评测中，行动完成率最高为91.6%，完整任务成功率最高为47.7%，且尤其难以充分询问只能由用户提供的必要信息。
推荐理由：iPrefBench在可执行iOS环境中检验移动智能体的偏好推断与追问能力，7个前沿智能体的评测显示行动完成率与完整任务成功率存在明显落差。
HF Daily Papers精选AI 评分3535 超越估计：Wiener-Informed Decoding（WiD）让像素空间流模型更易训练
论文提出 Wiener-Informed Decoding（WiD），在像素解码器中引入二阶统计量驱动的速度估计，让新增路径与模型联合训练，以降低像素空间流模型的训练难度。
推荐理由：比较了冻结统计估计器与像素解码器的互补作用及额外收益递减趋势，为评估像素空间流模型训练改造的取舍提供参照。
Hacker News精选AI 评分6969 10 年历史的 Inception v3 CNN 在皮肤癌诊断中胜过 GPT-6 Astra 和 Claude Fable 5.1
Inception v3 CNN 在 MILK10k 数据集的 200 个活检确认病变上首选诊断正确 125 个（62%），高于 GPT-6 Astra 和 Claude Fable 5.1 的 42%。
推荐理由：统一病例、图像和诊断选项后，专用 CNN 与两个前沿 LLM 的表现可直接对照，文章还公开了病例、提示词和评分代码。