跳到正文

技术方向

世界模型 最新动态

世界状态建模、预测、可控生成与交互;区分视觉生成、空间导航和具备物理预测能力的系统。

574 条精选近 30 天 307 条共收录 1,758 条

更新

精选归档 · 第 26 页

10月5日周一第 501–520 条
  1. Hugging Face Daily Papers78

    Rationale-Guided Policy Optimization:基于自适应推理脚手架的策略优化方法

    针对大语言模型强化学习中奖励稀疏导致优化停滞的问题,本文提出 Rationale-Guided Policy Optimization (RGPO) 框架。该方法将真实推理过程作为临时脚手架辅助模型生成改进响应,随后仅将高奖励的自生解法转移回无引导设置,无需依赖同格式的非策略数据。实验表明,该框架在文本及视觉语言推理任务中均能提升性能并稳定强化学习训练。

    推荐理由:提出利用自适应推理脚手架缓解强化学习奖励稀疏问题,在文本与多模态任务中均优于基线。

  2. 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。

  3. Hugging Face Daily Papers82

    CLIFT:面向 Web Agent 训练与测试时扩展的共形自验证

    论文介绍 CLIFT 方法,通过共形自验证解决强化学习中奖励稀疏及外部裁判成本高的问题。训练中利用 URL 条件证据一致性筛选信号并赋予信任权重,将自证分数融入每步奖励;测试时将认证库冻结用于共形轨迹选择,在无需调用外部裁判的情况下实现保守的多数投票决策。

    推荐理由:CLIFT 提出基于共形自验证的训练与测试时扩展方法,利用低成本自证信号替代昂贵的外部裁判,在 WebArena 等基准上实现开源模型的最优性能。

10月4日周日
  1. 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2日周五
  1. 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 Papers82

    InterEvolve:面向人形机器人位姿与操作的测试时奖励程序演化

    论文研究人形机器人在未训练过的任务中通过复用现有技能、自我改进并保留学习成果的能力。核心思路是利用规划与控制接口,将对象感知基础模型转化为行为策略,并通过大语言模型修订奖励程序结构、数值优化器调整常数,在仿真中验证后迭代提升。实验表明该方法能释放基础模型的潜在能力,处理复杂场景与长周期任务,并在宇树 G1 真机上实现自主运行。

    推荐理由:该文提出无需重训的测试时演化方法,利用对象感知基础模型与奖励程序优化,在仿真及宇树 G1 真机上实现复杂任务。

  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 Papers78

    Kinematic MeanFlow:面向机器人基础模型的单步动作生成策略

    论文研究如何在机器人基础模型中实现低延迟的单步动作生成,以克服多步流匹配的高推理耗时。作者发现直接应用 MeanFlow 会导致性能崩溃,并提出 Kinematic MeanFlow(K-MF)框架。

    推荐理由:提出 Kinematic MeanFlow 框架解决 RFM 推理延迟问题,在 GR00T-N1.6 上将动作头延迟降低约 74%,支持从头训练与微调。

  4. 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. 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。

  2. Hugging Face Daily Papers78

    HIDE:评估部分可观测环境下机器人操作记忆能力的基准与 SEEK 增强框架

    针对机器人操作中隐藏任务状态难以仅凭当前观察确定的问题,该研究引入 HIDE 基准,包含重复计数、历史状态召回和执行进度追踪等 15 个任务。作者提出 SEEK 框架,结合三种互补的记忆机制以保留历史证据并跟踪执行状态。评估显示现有策略在 HIDE 上存在显著局限,而记忆增强能提升仿真与真实实验中的成功率;单一机制虽有益处但可能损害其他任务,组合方案表现最佳。

    推荐理由:该工作提出 HIDE 基准与 SEEK 框架,揭示部分可观测环境下机器人策略对历史状态记忆的依赖及现有方法的局限。

  3. 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 Papers78

    Inducing Process Supervision from Outcome-Only Reinforcement Learning

    该研究提出 TIPS 框架,通过仅基于最终结果的强化学习来训练生成式过程奖励模型(PRM),从而以低成本实现步骤级验证。实验显示,该方法在数学和智能体基准测试中表现优异,TIPS-Qwen3-4B-Thinking-2507 在 ProcessBench 上达到 85.2 F1,超越了 GPT-5.4-Instruct 等强提示词模型,但仍落后于 o1-mini。代码与数据已开源。

    推荐理由:该方法利用结果奖励引导过程监督,在仅用少量轨迹数据下实现了超越强提示词模型的推理效果。

9月28日周一
  1. Hugging Face Daily Papers78

    MM-ABC:面向通用移动操作的看见、协调与想象基础模型

    论文提出了 MM-ABC 基础模型,旨在解决移动操作中空间感知与异质臂基协同控制的挑战。该模型结合稀疏多级别视觉语言模型特征进行空间感知;引入仅用于训练的“未来分支”,利用世界想象和几何意图作为额外监督信号以增强感知与操作意图预测;并通过掩码联合注意力及清洁动作 X 预测来协调独立的操作与移动流。

    推荐理由:该工作提出 MM-ABC 基础模型,通过视觉、协调与想象机制统一处理移动操作中的感知与控制挑战。

9月26日周六
  1. Hugging Face Daily Papers78

    X-Tree:通过 tokenizing 可复用经验实现高效智能体泛化

    针对现有多步智能体训练忽略任务间重复子程序的问题,该工作提出从数据本身恢复层级结构并构建可复用经验树(X-Tree)。该方法将常用且成功的技能组合为子技能节点,无需调用大语言模型即可指导高效泛化。研究将其集成至离线强化学习、在线强化学习验证及策略自蒸馏三种训练设置中,在 WebArena、ScienceWorld 和 WebShop 三个基准上实现了显著的性能提升。

    推荐理由:该工作从数据中恢复任务层级结构并构建可复用经验树,在 WebArena 等基准上显著提升了多步智能体的成功率。

  2. Hugging Face Daily Papers78

    Adaptive Latent Capacity for World Models:一种基于 JEPA 的自适应世界模型方法

    该论文介绍 ALeWorldModel (ALeWM),这是一种基于联合嵌入预测架构 (JEPA) 的世界模型,旨在将预测信息集中到宽隐表示的紧凑前缀中。作者提出了 MixSIGReg 正则化方法,通过掩码嵌入与高斯活跃前缀及零坐标的混合分布进行约束,促使早期坐标块保留对预测和递归规划有用的信息。

    推荐理由:该工作提出自适应隐式容量架构,通过混合正则化将预测关键信息压缩至早期坐标块,在目标条件视觉控制任务中实现优于固定宽度基线的成功率。

9月23日周三
  1. Hugging Face Daily Papers84

    Beyond Future Prediction: Denoising as Generative Adaptation for Robot Control

    论文介绍 NowWAM,一种不依赖未来视觉预测的机器人控制共训练框架,通过去噪当前观测直接耦合生成目标与动作表示。在 LIBERO-Plus 基准上,配合 FLUX2-Klein 模型达到 87.7% 成功率,相比基线提升 6.1 个百分点,同时将训练视觉 token 减半并加速推理。

    推荐理由:提出无需未来预测的 NowWAM 方法,在 LIBERO-Plus 基准上提升性能并降低计算开销。

  2. Skild AI · Research Blog84

    Skild 发布基于自我博弈训练的 S1 物理 AI 模型

    Skild 团队宣布其旗舰机器人基础模型 S1 在 NVIDIA Isaac Sim 中通过自我博弈(self-play)学会了踢球等灵巧动态任务,并在模拟运行约 140 年后成功将策略迁移至人形机器人完成比赛。该研究旨在证明物理自我博弈能推动机器人能力超越人类水平,团队正计划将该方法扩展至更多日常任务及大规模协作场景。

    推荐理由:Skild 团队宣布 S1 基础模型通过仿真自我博弈掌握足球等高难度任务,并成功迁移至人形机器人。