跳到正文
10月5日周一
  1. Hugging Face Daily Papers72

    TIDES:一种具有隐式时间感知能力的选择性状态空间模型

    该论文提出了 TIDES,这是一种改进的选择性状态空间模型(SSM)变体,旨在调和选择性与连续架构的矛盾。通过将输入依赖性从步长转移到对角状态矩阵,TIDES 在保持每 token 高表达力的同时,原生支持不规则时间戳处理。研究在新型“Fading Flash”基准测试及大规模数据集上验证了其在时间序列分类和 ODE 回归任务中的性能优势。

  2. Hugging Face Daily Papers42

    Trace2Env:从痕迹到智能世界模型,实现无需重建系统的交互式环境仿真

    Trace2Env 框架利用历史交互痕迹构建包含环境架构与行为知识的可复用“世界书”,支持任务代理进行状态感知模拟。该方法在九个环境中提升了观测保真度与长程交互一致性,使多轮次生成的动作在真实环境重放时保持有效。该研究确立了无需重建原执行系统即可构建逼真环境副本的新方向,论文已上传至 arXiv 待注册 DOI。

  3. Hugging Face Daily Papers53

    MiniCorp:AI 代理企业的最后一公里——面向企业 AGI 的办公模拟器

    MiniCorp 是一个用于研究 AI 代理如何集体运营公司的办公模拟器,旨在解决企业级通用人工智能(AGI)所需的纵向数据稀缺问题。该系统连接外部市场世界与内部代理决策世界,模拟客户、竞争对手及动态市场机制,并记录代理间的沟通与战略决策。

  4. Hugging Face Daily Papers82

    结构化 MoE 专家选择以适配智能体强化学习

    该研究针对长程 LLM 智能体常用稀疏混合专家(MoE)模型但行为与结构协同设计不足的问题,发现专家路由在语义相似操作间存在重叠特性。作者提出分层路由控制框架,鼓励轮次级专家选择对齐智能体操作并正则化 token 级选择以维持局部一致性,同时引入熵门控机制解决后训练稳定性问题。

    推荐理由:原文提出分层路由控制框架,解决智能体强化学习中 MoE 专家选择与轨迹结构不匹配问题,在基准测试中成功率提升超 10 个百分点。

  5. Hugging Face Daily Papers68

    Minimal Witness Reinforcement Learning:基于黑盒验证器的最小充分见证强化学习方法

    论文提出了 Minimal-Witness Reinforcement Learning (MWRL) 框架,旨在识别产生特定结果的最小充分条件集合(即最小充分见证)。该方法将问题形式化为从策略采样成功提案的集合,并通过信用分配机制统一了极小性与替代方案恢复的需求。实验表明,MWRL 能够利用验证器反馈学习见证族,而标准方法往往只能返回冗余超集或单一解。代码已开源。

10月4日周日
  1. Hugging Face Daily Papers73

    高速公路场景生成的百分位数控制:如何定义角点案例?

    该研究针对自动驾驶仿真中难以精确控制场景极端程度的问题,提出将场景对抗性定义为条件分布中的分位数。通过构建历史条件的风险分位数请求与参考风险分布映射,结合联合扩散模型生成多智能体未来轨迹,实现了在高速场景下对最小后侵入时间(PET)等物理风险的精准调控。实验显示该方法能以 98.75% 的准确率满足分位数请求,误差控制在极小范围内,为安全测试提供了可量化的风险规格接口。

  2. Hugging Face Daily Papers82

    EVISKILL:将技能进化锚定在可复现的证据上

    论文介绍 EVISKILL 框架,旨在让大语言模型智能体在不更新模型参数的情况下,从交互经验中累积和提炼可重用的程序性知识。该框架将执行观察组织为“可复现证据卡片”,并在编辑与上下文之间建立显式链接。

    推荐理由:提出 EVISKILL 框架,通过可复现证据卡片组织执行观察,在更新参数外积累程序性知识并验证编辑。

10月3日周六
  1. 量子位55

    TypeSafe AI 发布 Jev 系统一决策内核:拒绝盲目跑分,专注可靠自动化

    TypeSafe AI 联合创始人兼 CEO Diogo Almeida 宣布推出 Jev 模型,定位为“机器原生、可编程的决策内核”(System-One),旨在替代传统聊天模型以支持自动化业务闭环。Jev 强调可靠性与性价比,采用 RLCD 强化学习范式及 choice/score/null 原语,拒绝公开 benchmark 以防榜单操纵,目标是在五年内拉动全要素生产率增长 3%。

10月2日周五
  1. Hugging Face Daily Papers68

    World Embedding Benchmark:评估视频表示中的物理保真度与属性可恢复性

    World Embedding Benchmark 包含来自流体力学、固体力学等八个家族的八千个受控仿真案例,每个案例均配对渲染视频与物理标注。基准支持文本 - 视频检索、物理属性回归及多分类任务,评估显示预训练全模态嵌入模型在跨模态对齐和同类对分类上表现较弱,而轻量探针能从冻结的视频嵌入中恢复有用信息。

  2. Hugging Face Daily Papers72

    面向科学领域的终端环境自监督扩展方法

    本文介绍了一种名为 SWR 的软件在环重建框架,旨在解决构建终端智能体训练环境时缺乏可执行参考行为与领域特定验证器的难题。该方法通过执行现有软件流程的多种输入配置,将案例划分为公开观察与隐藏评估,使智能体能在无源代码访问的情况下构建并编辑程序,并通过分层验证器结合语义比较、结构有效性与防捷径检查进行迭代修正。

  3. Hugging Face Daily Papers78

    CUAWright:面向数字代理的最小统一接口

    CUAWright 是一种仅约 3K 行代码的极简终端接口工具,利用 bash 命令作为唯一操作界面,文件系统作为动态演化空间以构建工具和上下文管理。实验显示,相比 GPT-5.5 基线及 GUI 原生接口,该方案在 OSWorld 2.0、Online-Mind2Web、Odysseys 等基准任务中显著提升成功率并降低估算成本,同时在 CAD 应用中也展现出更强的视觉理解与交互能力。

    推荐理由:CUAWright 提出最小化终端接口方案,在数字任务与 CAD 应用中显著优于 GUI 及混合接口。

  4. Hugging Face Daily Papers82

    通过递归自重写扩展复杂任务的轨迹:一种通用 harness 下的能力提升方法

    该论文提出 Recursive Self-Rewrite (RSR) 框架,旨在解决专用 harness 干预在部署时不可用的问题。该方法利用单一基座模型 Qwen-3.8-27B,通过规划器、评论器和执行器组件,在不同 harness 下发现成功解法并将其重构为通用 harness 下的训练轨迹。

    推荐理由:RSR 框架利用单一基座模型在多种仿真环境中发现并重构解决方案,显著提升了终端任务的成功率与泛化能力。

  5. Hugging Face Daily Papers73

    Skill2Real:面向零样本仿真到现实的机器人技能学习

    该论文介绍了 Skill2Real 代理策略框架,利用共享 API 和提议 - 验证 - 治理(PVG)循环在仿真中学习可执行技能并直接迁移至真实机器人。实验显示,冻结的仿真训练技能在未微调的情况下将 LIBERO-Pro Long 任务成功率从 2.0% 提升至 56.3%,并在四个真实世界操作任务中达到 78.75% 的平均完成率。

  6. Hugging Face Daily Papers78

    MetaRubric:面向基于评分表的强化学习的奖励学习新方法

    论文 MetaRubric 针对基于评分表的强化学习中评分器在关键信息缺失时仍给予高分(Vacuous Credit)的问题,提出交替进行证据感知策略优化与响应引导的评分表自适应方法。

    推荐理由:针对评分器在信息缺失时仍给高分的失效模式,提出交替优化策略与反事实构造方法以修正奖励信号。

10月1日周四
  1. Hugging Face Daily Papers58

    Ego2Act:面向以自我为中心视频生成的目标导向操作评测基准

    Hugging Face Daily Papers 转载了一篇预印本论文,介绍了 Ego2Act 基准和 Ego2ActJudge 评估管线。该基准包含来自 110 个真实任务的 2,640 个视频,旨在评测视频生成模型在给定初始场景图像和高阶目标时,能否生成手操作物体以完成多步物理任务且符合物理规律的真实第一人称视频。研究发现现有模型常跳过步骤或无法处理精细的物理动态。

  2. Hugging Face Daily Papers78

    Inherit-MAS:基于工作流与执行继承的多智能体系统测试时演化方法

    论文介绍 Inherit-MAS 框架,利用生物进化中的继承与选择原理,在多智能体系统中显式实现工作流与执行的继承机制。该方法通过元模型合成带角色声明的工作流,并由独立评估器诊断缺陷;在常规优化轮次中继承最新候选人的工作流并剔除无用节点,同时仅在请求与执行上下文完全匹配时复用历史结果以避免冗余计算。

    推荐理由:该工作提出通过工作流与执行继承机制优化多智能体系统,在保持性能的同时显著降低计算开销。

  3. Hugging Face Daily Papers49

    IGMWorld 与 IGMBench:游戏模组化世界编辑基准发布

    IGMWorld 通过工业级游戏模组化技术,在 Minecraft 和 Terraria 中构建包含 110 项任务的基准 IGMBench。最强配置在严格任务标准下解决率达 78.2%,行为级表现达 94.8%。随着干预深度增加可靠性下降,视觉一致性通过率低于 50%,证明世界编辑是区别于生成与交互的独立能力。

  4. Hugging Face Daily Papers78

    基于选择的结构化推理:迈向高效的多模态搜索智能体

    针对小模型在多模态搜索任务中因自由生成推理导致的高延迟与低效问题,本文提出了一种基于选择的结构化推理(SSR)框架。该框架将高层推理重构为预定义的、可复用的自然语言候选集,模型在每个步骤仅根据当前上下文从这些候选集中进行选择,无需辅助任务头。

    推荐理由:该框架将推理重构为候选选择,利用共享 KV Cache 并行评分,在保持任务性能的同时显著降低多模态搜索代理的推理延迟。

  5. Hugging Face Daily Papers85

    LOCI:用于流式世界模型的线性空间记忆

    该论文提出 LOCI 架构,通过结合关键值缓存与受相机几何条件约束的循环线性注意力记忆,解决视频世界模型在长序列中保留细节与降低显存的需求。实验显示其在重访内容还原上优于主流基线,且在固定预算下能流式处理长视频。

    推荐理由:提出混合空间记忆架构,在保持视觉细节的同时降低显存占用并提升重访内容还原度。

9月30日周三
  1. The Robot Report52

    Innodata 开放运动捕捉实验室助力人形机器人更像人类移动

    Innodata 宣布开放位于新泽西州的运动捕捉实验室,旨在解决物理 AI 领域缺乏高质量真实世界交互数据的痛点。该设施与 Vicon 合作,利用红外光学追踪相机实现亚毫米级精度和毫秒级延迟,直接捕获人体或机械体的三维运动数据,而非依赖 2D 视频推断。

  2. Hugging Face Daily Papers82

    JEPA-TTT:面向动态变化的潜在世界模型持久化测试时训练

    针对测试阶段环境动力学与训练分布不一致导致预测不可靠的问题,本文提出了 JEPA-TTT 方法。该方法在预训练的联合嵌入预测架构(Joint-Embedding Predictive Architecture)世界模型基础上,仅对动作条件化的潜在动力学预测器进行自监督更新,而保持视觉编码器和奖励头固定以保留预训练表征与任务目标。

    推荐理由:该工作提出在测试阶段持续训练潜在动力学预测器,使预训练世界模型能自适应动态变化。

  3. Hugging Face Daily Papers75

    ReSAIL:缓解迭代智能体自蒸馏中的性能坍塌

    论文介绍了一种名为 ReSAIL 的插件方法,旨在解决迭代自蒸馏过程中模型部署表现随周期增加而下降的问题。该方法通过优先选择对教师预测影响最大的交互步骤进行蒸馏,并正则化学生模型的特权信息条件输出分布以保留其行为特征。在 ALFWorld、TextCraft 和 AITZ 等基准测试中,ReSAIL 在三轮迭代后平均提升了 22.5% 的成功率,为缓解智能体自蒸馏的性能坍塌提供了新的机制。

  4. Hugging Face Daily Papers78

    Honeycomb:用于视频世界模型的恒定大小场景记忆表示

    该论文提出了 Honeycomb 方法,构建在作者提出的 HexMemory 低秩表示之上,旨在解决视频世界模型在长视界生成过程中显存需求持续增长的问题。

    推荐理由:提出 HexMemory 架构,以固定尺寸存储场景特征并支持动态扩展,解决了视频生成中显存随时间增长的问题。

9月29日周二
  1. Hugging Face Daily Papers75

    LongTake:一种通过长视界教师强制力提升长时视频生成动态一致性的方法

    针对自回归视频扩散模型在长时段生成中易出现画面静止或质量下降的问题,该研究提出 LongTake 两阶段训练流程。核心创新在于引入基于 curated 真实长视频的“长视界教师强制力(Long-Horizon Teacher Forcing)”,将监督信号从短视频扩展至长序列以维持动态演化。

  2. Hugging Face Daily Papers57

    主动式智能体基础:原则、技术层与主动性健身房

    该工作提出主动式大语言模型智能体的设计基础,围绕任务能力、时间分配和信任三个核心原则构建设计空间,并推出基于仿真的评估测试床 PROACTIVITY-GYM。研究通过 23 种配置评估发现各维度间存在显著性能差距,且 LLM 裁判常混淆任务能力与用户信任;人类实验表明即便结果正确,干预时机错位也会导致信任骤降,用户更倾向睡眠时段接受不完美协助以维持专注。

9月28日周一
  1. Hugging Face Daily Papers67

    QuantWM:面向视频世界模型的时序一致 2-bit KV Cache 量化方法

    针对视频世界模型在生成过程中因存储 KV cache 导致的显存瓶颈及现有低比特量化引发的时序闪烁与画质退化问题,本文提出无需训练的 QuantWM 框架。该方法通过感知量化敏感度的聚类技术与主子空间注意力补偿机制,有效降低关键通道的量化误差并稳定注意力 logits,从而显著提升视觉质量与时序一致性,在多个基准测试中实现最高达 6.20 倍的显存压缩比且额外开销有限。