ELR：让循环语言模型在单次循环下不损失精度的训练方案
论文提出 Elastic Latent Recurrence（ELR），一种训练循环语言模型的方法，使模型在单次循环时与同规模非循环模型服务成本相同、精度相近，每增加一次循环则用更多推理算力换取更高精度。
推荐理由：论文提出消除循环模型单次循环精度损失的训练方案，并给出4B与30B-A3B模型上的多任务对比数据。
返回全部主题
内容形态
论文研究 最新动态
值得读的论文与研究成果：Agent 方法、编码能力、训练与推理技术的精选解读。
357 条精选近 30 天 352 条共收录 1,629 条
更新
精选归档 · 第 18 页
Hugging Face Daily Papers精选AI 评分4646 Hugging Face Daily Papers精选AI 评分4949 SWEeper-Bench：智能体能否发现交互式软件中的 bug？
研究者提出 SWEeper-Bench，包含 200 个任务，均取自 200 个广泛使用的开源 Web 应用中的真实 bug 修复。每个任务只给智能体代码库和开放式请求，例如“找出并修复 Focalboard 看板分享与成员管理中的问题”，由于这些 bug 难以仅从代码中发现，智能体必须自行设计交互式测试来触发它们，再由智能体验证器按用户在浏览器中观察到的结果评判修复。
推荐理由：该基准把交互式软件中依赖多步操作才能触发的 bug 交给智能体自主发现，并给出 15 个前沿智能体的通过率与瓶颈分析。
Hugging Face Daily Papers精选AI 评分4646 UTT：无需更新参数的 LLM 文本化知识蒸馏框架
论文提出 Universal Textual Teaching（UTT），一种无需更新参数的框架，将 Teacher-Student 知识差距蒸馏为可解释、可复用的自然语言产物 Primer。
推荐理由：论文提出无需更新参数的文本化知识蒸馏框架，读者可了解其多角色迭代生成 Primer 的方法与跨模型泛化表现。
Hugging Face Daily Papers精选AI 评分5858 SoftwareGym：用合成软件环境扩展计算机使用智能体训练
论文提出 SoftwareGym，一个自动合成 GUI 软件环境的流水线，可生成结构多样的界面、可执行功能并经运行时验证，共合成十二个类别、182 个应用，平均 GUI 任务通过率 91.5%。
推荐理由：论文给出合成软件环境的具体规模与跨域迁移数据，可了解 CUA 训练数据的一种可扩展路径。
Hugging Face Daily Papers精选AI 评分4545 DCOCO：为投机解码的并行草稿做上下文校正
论文提出 DCOCO（DFlash Contextual Corrector），一种轻量机制，用于在投机解码中恢复扩散式草稿块内被并行起草丢失的依赖关系。它不直接采用每个位置的最高预测，而是保留多个候选 token 并并行评估相邻草稿位置的上下文兼容性，以较低额外开销完成上下文感知的 token 选择。
推荐理由：针对扩散式草稿并行起草丢失块内依赖的问题，给出可并行恢复上下文的轻量方案与多负载加速数据。
Hugging Face Daily Papers精选AI 评分4848 DiffusionART：高效稳定的扩散模型强化学习微调方法
论文提出 DiffusionART（Diffusion Reinforcement with Aggregation-First Reward Tilting），将每个提示词的奖励聚合为反向过程状态共享的奖励改进方向，从构造上消除 NFT 类目标中的前向-反向一致性力，并加入信任域掩码的二次更新实现漂移自适应恢复，无需 EMA 调参。
推荐理由：论文提出聚合优先奖励倾斜方法，在视频生成上以更少 GPU 小时达到对比方法的奖励水平。
Hugging Face Daily Papers精选AI 评分6262 Opera：面向长程编码智能体的言语批评框架
论文提出 Opera，一个把每次纠错当作持续笔记并跟踪至问题解决的言语批评框架，通过周期性及事件触发决定何时审查、用类型化算子诊断问题、在交付前依据可见证据审核反馈，并跟踪智能体后续动作以区分表面服从与真正解决。
推荐理由：论文提出把每次纠错当作持续跟踪的笔记，并给出在多个编码基准上的提升数据，可了解长程编码智能体的纠错机制设计。
Hugging Face Daily Papers精选AI 评分5858 LGWM：用无解码器世界模型验证 GUI 智能体的界面转移
论文提出 LGWM，一个无解码器、以动作为条件的世界模型，直接预测下一屏的表示来验证 GUI 转移，在 1.85M 条真实 GUI 转移上训练。在 RSWT-BENCH 上，免训练打分达到 0.987 AUC、每次判断 17 ms，与最强闭源 VLM 相当，比生成式 GUI 世界模型高约 10 个 AUC 点且延迟低三个数量级以上。
推荐理由：论文把 GUI 智能体的安全判断从单屏检测转到动作到屏幕的转移验证，并给出低延迟的表示空间方案。
Hugging Face Daily Papers精选AI 评分4848 WOVEN：把视觉世界建模织入多模态大模型
论文提出 WOVEN，一个面向视觉状态转移推理的训练数据源与基准，按场景、动作和推理类型组织监督信号，包含 20 种场景、5 种动作、8 种推理类型共 36,076 个样本。
推荐理由：论文给出视觉状态转移推理的训练数据与基准，并验证其可跨任务迁移，为多模态世界模型训练提供可复用配方。
Hugging Face Daily Papers精选AI 评分5252 FlowState：把执行状态作为长程 LLM 智能体的记忆
FlowState 提出把执行状态当作可保留、可回访的记忆，用增量状态更新（ISU）和渐进状态访问（PSA）在单个执行循环内兼顾当前决策与历史信息复用。
推荐理由：论文给出长程智能体的执行状态记忆方案，并用成功率与 token 消耗两组数字说明取舍。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队基于 Nemotron 3，用监督微调、强化学习和反馈驱动的推理流程，在 IOI 2026 和 IMO 2026 两项竞赛中均达到金牌水平。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可据此复现领域专家模型的训练与推理流程。
Latent Space精选AI 评分8888 OpenAI 内部模型发布 722 篇数学手稿，称解决 500 个公开数学难题中的 90 个
OpenAI 以公开 GitHub 仓库形式发布内部前沿模型的数学成果，包含 722 篇手稿、分为 372 个相关结果族，来自约 4000 道研究问题的评测，平均每个结果消耗约 3 小时 ChatGPT Pro 思考算力，模型本身未发布。
推荐理由：OpenAI 内部模型一次性产出 722 篇数学手稿，读者可据此了解其规模、算力成本与学界争议。
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它让智能体在隔离的 MCP 工具会话中运行，只根据最终后端状态和副作用打分，而不是看模型生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定成败，并给出 20 次重复下的可靠性数据。
Google Research精选AI 评分6262 Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已采用
Google 发布新一代联邦学习系统，用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，Gboard 已采用该系统上线英语和日语下一词预测模型。新系统把客户端梯度计算移到服务端，训练时间瓶颈从设备可用性转为 TEE 资源，此前每个模型训练需 1-2 个月。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已上线的实际部署效果。
Google Research精选AI 评分6262 Google Research 发布 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director，一个构建在 Gemini 和 Veo 之上的多智能体编排框架，用于生成连贯的多镜头长视频。
推荐理由：Google 把长视频生成拆成四个可复用的智能体框架，并给出多镜头一致性的评测基准与量化结果。
Microsoft Research精选AI 评分6262 微软研究院：把物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了首次系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU 可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧 GPU 推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法，并给出注意力与 Mamba 两类内核的实测对比。