精读论文

周报阅读清单里的全部论文，最新在前。每篇一句话结论，并标注它支持、反驳或补充了哪个论点。

• AgentGarten：让 Agent 在「代码世界」里自我进化

  用代码管规则、用视频模型画画面，给 Agent 造练习场

  精读 · arXiv 2610.12374 · 2026-10-08 · 第 010 期周报
  补充训练场也能按年续费卖补充长对话别整段重读，记忆要单独管相关AI 说做完了不算，验过了才算相关真干活攒下的数据，还是更贵

• TokenRouter：让大小模型「逐字接力」也能高效上线

  小模型写大部分字，难字交给大模型——并让它真的跑得快

  精读 · arXiv 2610.12242 · 2026-10-08 · 第 010 期周报
  补充同样能做成，谁更省钱谁拿走推理预算相关做一半断了还能接着跑，这项能力要单买

• 如何证明「你的模型是蒸馏我的」：蒸馏推断初探

  用影子模型做假设检验，给「被偷蒸馏」出具 p 值

  速读 · arXiv 2610.12137 · 2026-10-08 · 第 010 期周报
  相关上市时间一拖，私募报价就松动

• 小米 MiMo-V2.6 技术报告：把强化学习的算力拉满

  小米全模态大模型：大批量异步 RL + 分组评分，并开源训练栈

  速读 · arXiv 2610.11959 · 2026-10-08 · 第 010 期周报
  相关AI 说做完了不算，验过了才算相关上市时间一拖，私募报价就松动

• AgentEvolver：边干活边升级自己的 Agent 系统

  模型不动，让 Agent 的工具、技能和流程边干活边升级

  精读 · arXiv 2610.11613 · 2026-10-08 · 第 010 期周报
  补充Agent 把活干完的那一层，企业要单独付钱了相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• 模型换代太快，学术期刊的「AI 写作检测」正在失灵

  新模型一发布，AI 写作检测器就可能从 99% 跌到 3.8%

  速读 · arXiv 2610.11599 · 2026-10-08 · 第 010 期周报
  相关AI 说做完了不算，验过了才算

• EngramEdit：只改「记忆表」，给大模型更新事实

  不动模型主干，只改 n-gram 记忆表来更新事实

  速读 · arXiv 2610.10533 · 2026-10-07 · 第 010 期周报
  补充长对话别整段重读，记忆要单独管

• UNREAL：用同一个模型的「内部视角」既做检索又读长文

  让冻结的大模型自己挑证据：检索与长文共用一套机制

  速读 · arXiv 2610.08463 · 2026-10-06 · 第 010 期周报
  相关做一半断了还能接着跑，这项能力要单买

• 跨分词器蒸馏再思考：监督要「准」，不必「全」

  跨家族蒸馏：只在对得齐的位置教，反而教得更好

  速读 · arXiv 2610.08448 · 2026-10-06 · 第 010 期周报

• Learn2Play Bench：Agent 真的会「从经验中学习」吗？

  用规则反常识的新游戏，测 Agent 是真学会还是靠背

  速读 · arXiv 2610.08215 · 2026-10-06 · 第 010 期周报
  相关AI 说做完了不算，验过了才算

• Trace2Env：只凭历史交互记录，让一个 Agent 扮演整个环境

  把历史日志编成「世界之书」，让 Agent 冒充环境陪练

  精读 · arXiv 2610.06100 · 2026-10-05 · 第 010 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• ALoDLM：难的字多想几遍，扩散语言模型首次全面超过同尺寸自回归模型

  给难 token 多算几轮，扩散模型又快又追上自回归

  速读 · arXiv 2610.04198 · 2026-10-03 · 第 010 期周报

• Periscope：不训练，让模型「读」远超上下文窗口的长文

  把长文切块排成方阵，用短探针拼出「证据地图」

  速读 · arXiv 2610.04047 · 2026-10-02 · 第 010 期周报
  相关做一半断了还能接着跑，这项能力要单买

• OneStreamer：流式视频模型边看边记、该说时再说

  边看视频边写「笔记」，答题时翻笔记而不是翻画面

  速读 · arXiv 2610.01762 · 2026-10-01 · 第 009 期周报
  相关真干活攒下的数据，还是更贵

• 锐化税：后训练让 Agent 更稳，却让它能解的题变少

  基座模型多试几次，能解的 Agent 任务反而更多

  速读 · arXiv 2610.01509 · 2026-10-01 · 第 009 期周报
  补充标注可以少花，校验的钱省不掉相关AI 说做完了不算，验过了才算相关能改你公司系统的 AI，才留得住续费

• Mid-Harness：在模型和外壳之间多采样几个动作再执行

  每一步先生成多个候选命令，验证后只执行一个

  速读 · arXiv 2609.39982 · 2026-09-30 · 第 009 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• 虚假的前沿：自我进化搜索 Agent 里的「合谋作弊」及其解法

  自己出题自己答，分数涨了，正确率却没涨

  精读 · arXiv 2609.39102 · 2026-09-30 · 第 009 期周报
  相关AI 说做完了不算，验过了才算

• UniEvo-VL：多模态模型用自己的批评来自我蒸馏

  同一个模型当老师和学生：老师多看一段自我批评

  速读 · arXiv 2609.38721 · 2026-09-30 · 第 009 期周报
  补充标注可以少花，校验的钱省不掉相关AI 说做完了不算，验过了才算

• LoopVL：让视觉语言模型「反复看」的循环 Transformer

  参数不变、多算几圈：1B 参数循环视觉模型

  精读 · arXiv 2609.38426 · 2026-09-29 · 第 009 期周报
  相关开源模型本身不贵，赚钱靠帮你托管

• 老师是方向而非终点：沿强化学习带来的表征变化继续外推的蒸馏方法

  学生不止追上老师，还沿老师的进步方向多走一步

  精读 · arXiv 2609.36484 · 2026-09-29 · 第 009 期周报
  相关开源模型本身不贵，赚钱靠帮你托管

• 机器人的上下文学习：不改参数，看示范就学会新任务（综述）

  机器人「看一遍就会」的四条技术路线

  速读 · arXiv 2609.36012 · 2026-09-28 · 第 009 期周报
  相关真干活攒下的数据，还是更贵

• MaLiang-Harness：用「写程序」来画图和做视频

  让大模型写绘图程序，渲染、检查、再改

  速读 · arXiv 2609.34309 · 2026-09-28 · 第 009 期周报
  相关做一半断了还能接着跑，这项能力要单买

• YuE2：先写乐谱再演奏的整首歌生成模型

  先写出可读的乐谱，再把它唱成完整的歌

  速读 · arXiv 2609.33757 · 2026-09-27 · 第 009 期周报
  相关开源模型本身不贵，赚钱靠帮你托管

• Raven：把许多 Agent「外壳」组合起来用的总调度

  把「模型+外壳」当积木，由总调度拆任务、派活、验收

  精读 · arXiv 2609.33439 · 2026-09-27 · 第 009 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• Transformer 能同时想两件事：大模型里的线性叠加现象

  两段输入叠加进去，输出就是两个分布的叠加

  速读 · arXiv 2609.29845 · 2026-09-24 · 第 008 期周报
  相关开源模型本身不贵，赚钱靠帮你托管

• 教世界模型懂得「东西被挡住了也还在」

  用认知科学实验造数据，教视频模型物体恒存

  精读 · arXiv 2609.28654 · 2026-09-23 · 第 008 期周报
  相关真干活攒下的数据，还是更贵

• SpeakerMem-R1：多人对话里记住「谁说了什么、说的是谁」

  多人群聊的长期记忆：原话一条轨，人物状态一条轨

  速读 · arXiv 2609.26780 · 2026-09-22 · 第 008 期周报
  相关做一半断了还能接着跑，这项能力要单买

• 有品味的 Agent：衡量并训练长任务中的「判断力」

  在岔路口选对方向的能力，可以测，也可以教

  精读 · arXiv 2609.25804 · 2026-09-22 · 第 008 期周报
  相关AI 说做完了不算，验过了才算相关能改你公司系统的 AI，才留得住续费

• RULER：按每条指令定制评分细则，给 SVG 生成做强化学习奖励

  开放式生成没有标准答案？给每题现写一份评分表

  速读 · arXiv 2609.25270 · 2026-09-21 · 第 008 期周报
  相关AI 说做完了不算，验过了才算

• Ovis-Embedding：文本、图像、视频、音频共用一个向量空间

  一套骨干做全模态嵌入，任意模态互搜

  速读 · arXiv 2609.25165 · 2026-09-21 · 第 008 期周报
  相关开源模型本身不贵，赚钱靠帮你托管

• GameHorizon：按「时间尺度」考 AI 打 3A 游戏的数据与评测套件

  从按键到战略，分层考模型打 3A 游戏

  速读 · arXiv 2609.25001 · 2026-09-21 · 第 008 期周报
  相关真干活攒下的数据，还是更贵

• VideoGen-Agent：用强化学习教 Agent 调工具来生成视频

  不换生成模型，换个会调工具的 Agent，分数就上去了

  速读 · arXiv 2609.24997 · 2026-09-21 · 第 008 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• WorldCrafter：带隐式 3D 记忆、回头看也一致的视频世界模型

  按你要看的视角，从历史画面里取回该记住的东西

  精读 · arXiv 2609.24984 · 2026-09-21 · 第 008 期周报
  相关真干活攒下的数据，还是更贵

• RRSI：给 Agent 外壳的「自我改进」加正则，防止背题

  外壳自我进化会背题，加正则才能换题也有效

  精读 · arXiv 2609.24972 · 2026-09-21 · 第 008 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• Grounded Action Model：先在 3D 里找准物体，再让机器人动手

  机器人基础模型先学「东西在哪」，再学怎么动

  速读 · arXiv 2609.23863 · 2026-09-20 · 第 008 期周报
  相关真干活攒下的数据，还是更贵

• 编程 Agent 外壳设计的实证研究：规划、工具、上下文管理各值多少

  弱模型靠外壳补，强模型靠外壳省钱

  速读 · arXiv 2609.20804 · 2026-09-17 · 第 007 期周报
  相关做一半断了还能接着跑，这项能力要单买

• SoL-Pi：用自动化研究循环，找出省 token 的 Agent 外壳

  同样的分数，API 成本少三分之一

  速读 · arXiv 2609.20519 · 2026-09-17 · 第 007 期周报
  相关做一半断了还能接着跑，这项能力要单买

• 当 EOS 不一致：在线策略蒸馏为什么让回答越来越长

  学生和老师用不同的「结束符」，学生就停不下来

  速读 · arXiv 2609.20511 · 2026-09-17 · 第 007 期周报
  相关开源模型本身不贵，赚钱靠帮你托管

• DeepSeek-V4.1-Flash：把 KV 缓存压到极致，让长任务 Agent 更便宜

  KV 缓存只有上一代的 1/4，分数反而更高

  精读 · arXiv 2609.19969 · 2026-09-17 · 第 007 期周报
  补充开源模型本身不贵，赚钱靠帮你托管相关上市时间一拖，私募报价就松动相关做一半断了还能接着跑，这项能力要单买

• ScienceIDE：把全世界的科学代码库变成 Agent 可学习的环境

  科学代码是几十年的知识，难点是变成可验证的练习题

  速读 · arXiv 2609.19134 · 2026-09-16 · 第 007 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• MiniMax-H3 能推理物理世界吗？全模态生成模型评测

  给半张图、一段声音，让模型生成「接下来会发生什么」

  速读 · arXiv 2609.18323 · 2026-09-16 · 第 007 期周报
  相关AI 说做完了不算，验过了才算相关真干活攒下的数据，还是更贵

• LimiX-2：不只预测标签、而是学「数据怎么生成」的表格基础模型

  一个预训练模型，表格分类、回归、补缺失、找因果全包

  精读 · arXiv 2609.17488 · 2026-09-15 · 第 007 期周报
  相关能改你公司系统的 AI，才留得住续费

• 基础模型时代的游戏 AI（综述）

  从打游戏到做游戏、测游戏：AI 在游戏生命周期里的六种角色

  速读 · arXiv 2609.16679 · 2026-09-15 · 第 007 期周报
  相关真干活攒下的数据，还是更贵

• Atria Dawn：一个科研 Agent 模型，以及它自己是怎么被人和 AI 一起做出来的

  AI 提方案、人拍板：一份 AI 参与研发 AI 的实地记录

  精读 · arXiv 2609.15818 · 2026-09-14 · 第 007 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• PhysBrain 1.5：从视觉语言模型到「物理基础模型」

  看懂环境、生成动作、预测下一帧，一个 8B 参数模型全包

  速读 · arXiv 2609.14973 · 2026-09-14 · 第 007 期周报
  相关真干活攒下的数据，还是更贵

• Dream-RSI：在「历史发现记录」里做梦，低成本改进 Agent 的探索策略

  把跑过的搜索树当模拟器，离线试新策略

  精读 · arXiv 2609.14858 · 2026-09-14 · 第 007 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• ModularRSI：把 Agent 外壳拆成五个模块分别「自我进化」

  外壳自我改进，要在评测集之外练、按模块改

  速读 · arXiv 2609.14857 · 2026-09-14 · 第 007 期周报
  相关AI 说做完了不算，验过了才算相关做一半断了还能接着跑，这项能力要单买

• SenseNova-U1.5：不要视觉编码器、不要 VAE，一个模型既看图也画图

  8B 原生统一模型：理解、推理、生成共用一套计算，最高支持 4K

  精读 · arXiv 2609.11929 · 2026-09-10 · 第 006 期周报

• T1：在真实终端里跑 300 多轮工具调用的强化学习 Agent

  长任务终端强化学习：解决率从 43.8% 提升到 64.0%

  速读 · arXiv 2609.11042 · 2026-09-10 · 第 006 期周报

• NCP-ArchPreview：除了预测下一个词，也预测下一个「概念」

  只用一半训练 token，就追上 OLMo-3-7B 的最终损失

  精读 · arXiv 2609.10715 · 2026-09-09 · 第 006 期周报

• 可编程世界模型：让程序记住世界状态，视频模型只负责画面

  世界模型不该只靠画面去「记住」世界里发生了什么

  速读 · arXiv 2609.10540 · 2026-09-09 · 第 006 期周报

• Show-Harness：给视觉语言模型一套「方向键」，它就能直接操作机械臂

  不训练专门的机器人大模型，只换一个接口，通用视觉模型就能玩机器人

  精读 · arXiv 2609.10522 · 2026-09-09 · 第 006 期周报

• AuK：一个开源模型同时做语音生成和语音编辑

  用一句自然语言指令，既能合成语音，也能改已有的录音

  速读 · arXiv 2609.08936 · 2026-09-08 · 第 006 期周报

• Miles v0.1：面向生产的开源大模型后训练系统

  让前沿规模的强化学习对研究者和企业都可用

  速读 · arXiv 2609.08368 · 2026-09-08 · 第 006 期周报

• NeoHorse-1：用「路由外壳」的使用记录，让模型自己决定下一轮学什么

  部署中的路由外壳本身就是数据飞轮：记录谁做不好，下一轮就练什么

  精读 · arXiv 2609.08183 · 2026-09-08 · 第 006 期周报

• OpenWAM：把「世界—动作模型」预训练拆成可控实验

  先搞清楚哪些设计选择真正重要，再拼出一个开源机器人模型

  速读 · arXiv 2609.07398 · 2026-09-07 · 第 006 期周报

• SpatialBlock：用「搭积木」题教视觉模型空间推理

  15,000 道合成积木题，比昂贵的真实场景标注更有效

  速读 · arXiv 2609.07064 · 2026-09-07 · 第 006 期周报

• Compile by Training：把一句自然语言需求「编译」成本地小模型函数

  不必每次调用大模型 API：一分钟编译出一个可复用的本地函数

  速读 · arXiv 2609.04199 · 2026-09-03 · 第 005 期周报

• Terminal-Universe：把 Agent 的历史轨迹「还原」成可反复使用的训练环境

  轨迹只是一次性示范，环境才能反复出题：从日志里把环境重建出来

  精读 · arXiv 2609.04148 · 2026-09-03 · 第 005 期周报

• LLaDA-Image：完全公开训练配方的开源图像生成模型

  从零训练的 6B 生图模型，配方、权重、代码全部公开

  速读 · arXiv 2609.03796 · 2026-09-03 · 第 005 期周报

• 随机注意力：推理时 KV 缓存「随机丢」就够了

  精心挑选保留哪些缓存几乎没用：保住提示，其余随机丢

  速读 · arXiv 2609.03430 · 2026-09-03 · 第 005 期周报

• SolarWM：开放数据与训练配方的长时程视频世界模型

  只用 5 秒片段训练，就能实时交互地生成几分钟到几小时

  速读 · arXiv 2609.02886 · 2026-09-02 · 第 005 期周报

• Repo-To-Skill：把 1,000 个 GitHub 仓库蒸馏成科研 Agent 的「操作技能」

  模型和外壳都不变，只加「怎么让方法真正跑起来」的技能

  速读 · arXiv 2609.02749 · 2026-09-02 · 第 005 期周报

• StudentSim：为每个学生训练一个「数字分身」，用来训练 AI 家教

  既要像这个学生，也要听得进老师的话：两项都超过 GPT-5.4 扮演

  精读 · arXiv 2609.01591 · 2026-09-01 · 第 005 期周报

• HarnessDev：大模型能自己搭、自己改 Agent 外壳吗？

  考的不是模型会不会做题，而是会不会搭「做题的系统」

  精读 · arXiv 2609.01437 · 2026-09-01 · 第 005 期周报

• Qwen-Drive-1.0：通义千问做的自动驾驶视觉语言基础模型

  一个 4B 开源模型同时做三维感知、驾驶问答和轨迹规划

  精读 · arXiv 2609.00111 · 2026-08-31 · 第 005 期周报

• Aspire：只给一个模糊目标，模型能自己进化吗？

  「变成更好的物理学家」——Agent 会跑训练循环，但很少真的变强

  速读 · arXiv 2608.31111 · 2026-08-31 · 第 005 期周报

• S3Gym：大模型能把自测、自评变成自我改进吗？

  认出成功动作还不够，还要把反馈变成可执行、可迁移的策略

  速读 · arXiv 2608.31100 · 2026-08-31 · 第 005 期周报

• TTPO：没有标注答案，也能在测试时继续训练推理

  多数票常常是错的，但「和多数票不一致」的答案更常是错的

  速读 · arXiv 2608.27448 · 2026-08-27 · 第 004 期周报

• 什么是好的 Agent 训练数据？用「准确—复杂—多样」框架看数据生成

  核心不是生成更多数据，而是持续分配有效、有信息量、不重复的经验

  速读 · arXiv 2608.27260 · 2026-08-27 · 第 004 期周报

• VBVR-Pro：让「用画面推理」变得可训练、可验证

  视觉生成不只是输出格式，也可以是推理本身的载体

  速读 · arXiv 2608.26105 · 2026-08-26 · 第 004 期周报

• VoiceMem：给实时语音助手装上「左右脑」记忆

  左脑记事实、右脑记情绪，检索只要 134 毫秒，藏在对话停顿里

  精读 · arXiv 2608.26005 · 2026-08-26 · 第 004 期周报

• 把游戏开发变成世界模型的「可验证数据引擎」

  代码有编译器当裁判，空间生成缺裁判：游戏引擎可以补上

  速读 · arXiv 2608.25518 · 2026-08-26 · 第 004 期周报

• FrontierChallenge：科学 Agent 能交付完整的研究工作流吗？

  部分得分很高，完整交付很少：最好的配置也只完成五分之一

  精读 · arXiv 2608.24979 · 2026-08-25 · 第 004 期周报

• WarpSAC：大规模并行仿真下，离线策略强化学习的「稳定器」要重新选

  数据少时有用的稳定技巧，数据多了反而拖后腿

  速读 · arXiv 2608.24479 · 2026-08-25 · 第 004 期周报

• Prime Agent：开源的可自我改进 Agent 外壳

  外壳负责执行、恢复和记账，策略留给模型：别让外壳故障变成模型故障

  速读 · arXiv 2608.23552 · 2026-08-24 · 第 004 期周报

• Apodex 1.1：为复杂工作扩展「环境」和「协作」两条轴

  能力的单位是「完成的工作」：会拆任务、会派活、会核查、能交付

  精读 · arXiv 2608.23283 · 2026-08-24 · 第 004 期周报

• EchoWM：能「走进去」、有声音的全模态世界模型

  随着你移动镜头，同步生成 720p 画面、环境音、音乐和人声

  速读 · arXiv 2608.23189 · 2026-08-24 · 第 004 期周报

• AutoSaddler：从 Agent 执行日志里自动「调」外壳

  像训练模型一样训练外壳：小批量失败 → 诊断 → 打补丁 → 验证

  精读 · arXiv 2608.23041 · 2026-08-24 · 第 004 期周报

• 4DAnyone：一段手机视频，重建可自由换视角的 4D 人体

  先生成几十个一致的新视角视频，再拼成 4D 高斯人体

  速读 · arXiv 2608.20335 · 2026-08-20 · 第 003 期周报

• EnvHarness：给静态环境套一层「外壳」，让它按 Agent 的弱点出题

  不重造环境，只给旧环境套外壳：按弱点改起点、改规则、串任务

  精读 · arXiv 2608.19880 · 2026-08-20 · 第 003 期周报

• SWE-bench Science：编程 Agent 能修好科学软件吗？

  公开测试几乎全过，私有测试不到一半：科学代码要守住「科学契约」

  速读 · arXiv 2608.19799 · 2026-08-20 · 第 003 期周报

• FACET：合成终端任务时，让指令、答案和验证器基于同一个环境状态

  先把环境搭起来、修好，再写指令、答案和验证器

  速读 · arXiv 2608.18580 · 2026-08-19 · 第 003 期周报

• StartupBench：用「已被市场验证」的 AI 创业产品出题，考通用 Agent

  专用 Agent 成功率 39.18%，通用 Agent 只有 19.74%

  精读 · arXiv 2608.17800 · 2026-08-18 · 第 003 期周报

• SemComp-Bench：视频生成能不能「把事办成」？

  画面好看不等于把事办成：最好的模型完成率不到 40%

  精读 · arXiv 2608.17426 · 2026-08-18 · 第 003 期周报

• Agentic ESOpt：用进化策略微调长时程 Agent，只需推理级显存

  不做反向传播：扰动参数、看结果、按奖励加权更新

  速读 · arXiv 2608.17310 · 2026-08-18 · 第 003 期周报

• Co-RL：多个不同模型互相给奖励，不用标注也能学会推理

  自己给自己打分会越学越偏；让一群不同的模型互评

  速读 · arXiv 2608.17253 · 2026-08-18 · 第 003 期周报

• HarnessEval-W：用 Agent 外壳来评测世界模型

  分数要有推理链：评测本身也交给「主 Agent + 子 Agent」来做

  速读 · arXiv 2608.16859 · 2026-08-17 · 第 003 期周报

• Zetta：机器人模型不动，让外壳在执行中自己学会「纠错」

  冻结机器人大模型，只进化代码写的「监视器 + 恢复动作」

  精读 · arXiv 2608.16590 · 2026-08-17 · 第 003 期周报

• FreeToken：在个人电脑上跑前沿规模的 MoE 模型

  一张工作站显卡跑 753B：把整台机器当成弹性推理平台

  速读 · arXiv 2608.16157 · 2026-08-17 · 第 003 期周报

• StateM：不换模型，只扩外壳——把长时程 Agent 的执行写成状态机

  同一个 GPT-5.5，换上状态机外壳从 83.1% 到 92.1%

  精读 · arXiv 2608.15089 · 2026-08-15 · 第 002 期周报

• RA-Bench：AI 生成的「危机现场」视频，现有检测器挡得住吗？

  五位审核员都判为真的生成视频，检测器也基本认不出

  精读 · arXiv 2608.14391 · 2026-08-14 · 第 002 期周报

• S²VOPD：不用更强教师、不用标注，靠「削弱学生视图」做视觉在线蒸馏

  不给教师加特权信息，而是给学生减信息

  速读 · arXiv 2608.14144 · 2026-08-14 · 第 002 期周报

• 拆解 Agent 技能：为什么有用，什么时候失效

  技能的作用主要是「稳住动作」，而不是补充缺失的知识

  速读 · arXiv 2608.14036 · 2026-08-14 · 第 002 期周报

• Alaya-EVOKE：外置世界记忆，让交互式世界模型生成小时级视频

  场景几何放进外部记忆库，上下文不随时长增长

  速读 · arXiv 2608.13546 · 2026-08-13 · 第 002 期周报

• AI4AI 测试时迁移：让强模型给弱模型搭外壳，不训练也能提分

  能力不靠权重传递，而是靠强模型搭的推理外壳

  速读 · arXiv 2608.12307 · 2026-08-12 · 第 002 期周报

• Beyond Pixels：跳过 RGB，直接把视频模型的隐变量变成 4D 世界

  一个检查点，接到同一 VAE 的多个视频模型上直接出 4D

  精读 · arXiv 2608.10744 · 2026-08-11 · 第 002 期周报

• BDH-CQ：不说出推理过程，在隐空间里循环思考的小模型

  150M 参数，ARC-AGI-1 每题成本 $0.0007

  精读 · arXiv 2608.09888 · 2026-08-10 · 第 002 期周报

• 偷走「加密思维链」：用同厂商的弱模型解密强模型的推理过程

  加密推理块能跨会话、跨用户、跨模型通用，于是可以让弱模型把它念出来

  速读 · arXiv 2608.09867 · 2026-08-10 · 第 002 期周报

• Macaron-V1：冻结基座 + 多个 LoRA 专家，做能持续学习的开放 Agent 模型

  冻结 744B 基座，四个 LoRA 专家按轮切换，模型与外壳一起版本化迭代

  速读 · arXiv 2608.09819 · 2026-08-10 · 第 002 期周报

• Ouroboros：会自己改代码、经审核后升级运行时的编程 Agent 外壳

  外壳不再是写死的：工具、上下文和核心代码通过审核过的提交持续进化

  速读 · arXiv 2608.08311 · 2026-08-08 · 第 001 期周报

• u-OPSD：不要标准答案，用模型自己的多数投票做在线自蒸馏

  不看标准答案，非思考模式下反超用答案训练的 OPSD

  精读 · arXiv 2608.06296 · 2026-08-06 · 第 001 期周报

• AgentOPSD：用自蒸馏信号做回合级功劳分配的 Agent 强化学习

  长任务里只有少数几步决定成败：把自蒸馏差距累积成回合级「信念」

  速读 · arXiv 2608.05987 · 2026-08-06 · 第 001 期周报

• RST：递归合成长时程终端任务，每题约 5 美分

  从已验证的种子任务出发，一轮轮把任务变长、变难，每轮都重新验证

  速读 · arXiv 2608.05466 · 2026-08-05 · 第 001 期周报

• 多模态预训练的「物理学」：知识流、模态协同与早期统一

  晚融合会让模型「视觉偷懒」：越早统一训练越好

  速读 · arXiv 2608.05000 · 2026-08-05 · 第 001 期周报

• JoyAI-Video-Edit：单卡 30 FPS 的实时开放式视频编辑

  不看未来帧、不限视频时长，边播边改

  速读 · arXiv 2608.03974 · 2026-08-04 · 第 001 期周报

• Hunyuan3D-Buffalo 1.0：理解、生成、编辑 3D 的统一多模态模型

  一个架构做 3D 理解、文生 3D、指令编辑和部件生成

  速读 · arXiv 2608.02711 · 2026-08-03 · 第 001 期周报

• AURORA-LM：在连续隐空间里用扩散生成文本

  不为迁就扩散模型而压缩文本表示，而是让扩散模型学会高容量隐变量

  速读 · arXiv 2608.02602 · 2026-08-03 · 第 001 期周报

• SwanTale：一个模型同时生成多人对话、环境声与音效

  用一句描述设计声音，再连同场景音效一起生成

  精读 · arXiv 2608.02023 · 2026-08-03 · 第 001 期周报

• LongHorizon-Harness：经理、执行者、审计员三分权，只把审计过的事实写进任务状态

  执行者说做完了不算，审计员看过环境才算

  精读 · arXiv 2608.01964 · 2026-08-03 · 第 001 期周报

• DAPD：在线自蒸馏的「特权幻觉」，以及双锚点的修法

  教师看过答案，学生就学会「假装记得答案」

  精读 · arXiv 2608.01735 · 2026-08-03 · 第 001 期周报

论点关系来自公开证据与公开周报；登录后可看到全部证据里的论文关系。

这个论点下暂时没有可公开的论文关系。