跳到正文
10月14日周三
  1. arXiv · AI33

    Reels-RSI 开源框架通过程序级自我改进提升代码生成视频质量

    Reels-RSI 是开源视频导演框架,通过程序级自我改进而非权重更新提升视频质量。在 111 个视频案例中,其学习规则捕获了早期 4 个潜在缺陷,且后续无新缺陷。 该系统将静态检查捕获的经验编译为带测试用例的规则,确保新规则能回溯审计旧内容;弱导演在有规则保护下违规次数从 30 次降至 5 次。

  2. arXiv · NLP26

    SciCurateBench:异质文献中利用言语-动作智能体整理事验数据的基准

    新基准 SciCurateBench 包含 200 篇专家标注的生命科学论文,揭示普通 LLM 及现有工具使用智能体在验证复杂的合取式生物实验标准时表现不佳。 提出集成系统 LangPoli,由策略智能体生成自然语言行动指南,供执行智能体转化为可执行工具;在论文分类任务中 F1 分数达 83.16%,显著优于基线 LLM 的 58.22%。

10月13日周二
  1. OpenClaw Releases27

    OpenClaw 2026.10.3 发布

    OpenClaw 发布版本 2026.10.3,包含 90 个 commits、79 个 pull requests 及 99 位贡献者。 该版本提供 Release notes 和 Changelog 两种格式,后者专为 AI agents 和工具设计。 验证包括 npm 包完整性校验,Android APK 发布被跳过。

  2. Microsoft Research45

    Microsoft Research 发布 StudentSim:利用个性化学生模拟器评估 AI 辅导系统

    StudentSim 是一款用于在测试前评估和改进 AI 辅导系统的研究系统,而非替代教师的产品。 该系统基于去标识化学习者记录训练个性化模拟器,在棋盘游戏、二语英语写作和数学领域表现优于基线,并通过行为保真度和指导响应性两个维度进行评价。 StudentSim 为 AI 导师的研发提供了有效的早期反馈信号,帮助研究团队在迭代模型时更轻松地获取学生反馈,避免直接进行高成本的人类实验。

10月12日周一
  1. arXiv · AI31

    AnomalyAgent: 基于工具增强强化学习的工业异常合成智能体

    AnomalyAgent 提出具备自反思、知识检索和迭代优化能力的异常合成智能体,旨在解决数据稀缺问题并生成高语义真实感的异常样本。 该智能体配备提示生成、图像生成、质量评估、知识检索和掩码生成五个工具,采用监督微调加强化学习两阶段训练,并设计了包含任务、反思和行为三部分奖励机制。

  2. arXiv · AI25

    CASCADE:基于MCP代理框架的基因扰动下游转录效应预测

    CASCADE框架利用预计算ARACNe调控网络通过MCP接口预测基因扰动的下游转录效应。在MYC验证中,其敲低预测与TCGA肿瘤表达一致性达90.0%(BRCA)、72.0%(COAD)和85.7%(STAD)。 该框架在35项自然语言请求测试中,本地模型工具调用精确匹配率为71.4%,大模型为85.7%。验证显示其对增殖机制基因有效,但对谱系身份转录因子和CCND2失败。

  3. arXiv · NLP41

    Lychee-Reranker 实现压缩文档重排序的快速非后期交互

    提出 Lychee-Reranker,实现查询与文档计算解耦的“快速但非后期交互”重排序模型。 采用编码器-解码器架构,利用 Matryoshka 嵌入池化预编码文档;提供 Nano/Small/Large 三种规模,激活参数量分别为 0.27B、1B 和 4B。 在 BEIR、MIRACL 等基准上性能媲美工业级模型,且 0.27B 模型在与 7-12B 嵌入模型组合时仍具竞争力。

  4. arXiv · AI44

    Rollout-Time Intervention:突破策略限制的智能体强化学习方法

    研究提出 Rollout-Time Intervention (RTI) 技术,利用奖励侧证据将错误轨迹转化为成功轨迹,解决智能体强化学习中因任务超出模型能力边界导致的训练崩溃问题。 RTI 通过过滤分布偏移过大的离策略轨迹来指导策略优化,在五个基准测试中一致优于强化学习基线,使后训练策略超越原有能力边界。 代码已开源。

  5. arXiv · NLP21

    MoPrO-SD: 模块化提示优化用于立场检测

    推出立场特定提示优化框架 MoPrO-SD,将提示分解为功能语义模块并基于 LLM 反馈进行顺序精化,同时引入疫苗立场检测新基准 VaccineStance。 在四个数据集和五个开源 LLM 上验证,MoPrO-SD 在多场景下优于人工撰写的 Base 提示;在 SemEval-2016 上,基于类别的条件反馈对五个基座模型中的四个获得了更高的平均 Macro-F1。

  6. arXiv · AI30

    RGR 缓解 LLM 自我提升中的能力退化

    大语言模型在 On-Policy Self-distillation 训练中会出现能力退化现象,表现为早期正确响应的查询变得错误。研究提出 Representation Geometry Regularization 方法,通过鼓励簇内紧凑和簇间分离来保持隐藏表示几何结构。该方法无需改变核心优化流程,能缓解退化并保留能力提升。

  7. arXiv · ML22

    LLM4Trust: 探索大语言模型在信任评估中的能力

    LLM4Trust 提出首个系统评估 LLM 信任评估能力的基准框架,在 5 个真实数据集上验证了 LLM 在有限监督下的评估潜力。 该框架构建多样化信任图测试 5 种信任属性,测试 8 个代表性 LLM 在 9 种提示方法下的表现,并设计应对上下文窗口限制的两种关键信息提取策略。

  8. arXiv · ML33

    PolyStep 通过最优传输训练不可微网络

    summary_zh: PolyStep 是一种仅前向优化器,利用旋转多面体探针和单向熵传输权重移动参数块,解决了硬阈值等导致的梯度消失问题。 该算法在 MNIST 上的硬阈值脉冲神经元任务中达到 93.0% 准确率,优于最佳梯度无关基线的 79.6%。

  9. arXiv · ML31

    连续扩散语言模型设计空间探索

    研究提出DoubleCat和SemiCat架构,通过双层插值和离散揭示机制,在TinyGSM基准上取得49.94%准确率,超越离散扩散模型。 DoubleCat通过引入推理状态修复训练/推理不匹配,使TinyGSM准确率提升超三倍;SemiCat在1.7B规模下于六项似然评估中优于离散扩散。 该工作揭示了自条件与嵌入几何在连续扩散语言模型中的关键作用机制。

  10. arXiv · ML26

    FORTE:工业推荐系统中特征评估与弃用的生产级框架

    FORTE 是一个模型无关的生产框架,用于在工业推荐系统中发现、验证并移除特征,其高效扰动实现支持每日特征评估。 框架通过分组消融评估低秩特征交互,并利用谱系追踪识别下游模型以释放全部效率收益。 在大规模排序模型上,应用 FORTE 移除 8 个候选特征,使可训练参数减少 29.9%,服务吞吐量提升 19.8-25.5%,年度训练成本降低数十万美元。

  11. arXiv · ML26

    PANDA: Prior-guided Attentional Dual-path Architecture 提出面向超图神经网络的注意力双路径插件

    PANDA 是一种面向二阶消息传递超图神经网络(HNNs)的即插即用架构,可应用于有向和无向场景。 其主路径在接收者归一化注意力与结构先验之间进行插值,辅以非竞争性路径让发送端独立贡献信息。 该方法在四个 HNN 架构及八个真实基准数据集上取得平均 5.18 个百分点的性能提升。

  12. arXiv · ML21

    Double-Take 改进双向记忆在长上下文中的容量、绑定与选择性

    Double-Take (DT) 通过多步更新和交叉位置混合修复长上下文中的干扰与绑定失败,仅用 32kb 基因组上下文训练即达成性能突破。 DT 在 131kb 时 AUROC 达 0.927,在接近 1Mb 时达 0.856,并实现从人类到小鼠的零样本迁移。 结果证实容量、绑定和选择性是可用长程记忆的三个核心必要条件。

  13. OpenClaw Releases33

    OpenClaw 2026.10.2 版本发布

    OpenClaw 2026.10.2 修复了稳定版升级中断及 Windows、克隆文件系统更新路径停滞问题,确保原位更新不再报错。 OpenAI 和 Anthropic API 密钥路线默认启用 provider-native compaction,且凭据在长工具输出跨块边界时自动脱敏。

10月11日周日
  1. OpenClaw Releases30

    OpenClaw 2026.10.1 发布

    OpenClaw 发布 v2026.10.1 版本,累计包含 3,055 次提交、2,425 个 Pull Request,由 402 名贡献者共同完成。 该版本提供 Release notes 与 Changelog 双格式文档,其中 Changelog 专为 AI agents 和工具设计。 发布验证确认 npm 包完整性,Android APK 因版本不匹配跳过构建。

10月9日周五
  1. 阶跃星辰开放平台81

    Step 5 Preview 上线 OpenRouter 并开放五款 Agent 工具限免体验

    Step 5 Preview 于 10 月 8 日上线 OpenRouter,12 小时内登顶 Trending 榜首。该模型采用稀疏 MoE 架构,总参量 600B,单 Token 激活 27B 参数,支持 1M Token 上下文窗口及视觉输入。

    推荐理由:内容确认了 Step 5 Preview 的稀疏 MoE 架构、600B 总参及 1M 上下文规格,并列出五个 Agent 工具入口及限时免费体验渠道。

  2. 阿里云百炼42

    qwen-subtitle:录屏字幕生成、纠错及多语言配音一体化工具

    qwen-subtitle 通过视觉模型读取屏幕画面,在十几分钟内完成录屏字幕生成、专有名词纠错及多语言配音,替代传统手动修改流程。 该工具集成 qwen3.8-max 进行看屏纠错,利用 cosyvoice-v2 实现声音克隆,并支持自动添加进度条与本地网页实时预览编辑功能。 项目以 MIT 协议开源,旨在解决 ASR 对专有名词识别错误的问题,显著提升视频内容制作效率。

  3. arXiv · AI20

    Safety Sentry:基于 EXECUTE-ASK-REFUSE 路由的上下文感知人类干预机制

    Safety Sentry 提出针对 LLM 智能体动作的 EXECUTE-ASK-REFUSE 三向路由机制,将其重构为基于实例的安全决策。该轻量级守护模型通过单次解码调用实现推理,利用单一阈值在无需重训练的情况下适配不同风险偏好的部署场景。在总体准确性和安全性相关召回率上,其表现优于多种开源权重及前沿闭源基线模型。

  4. arXiv · ML35

    RSSM 世界模型中奖励可观测性与离线检查点选择的局限性

    RSSM 世界模型在 Gymnasium LunarLander-v3 任务中,基于检查点 280 的 A2C 策略平均收益达 +189.5,比模型无关 A2C 少用约 65 倍真实训练转移。 论文引入奖励可观测比例(ROF),指出其数值依赖隐变量缩放不可跨模型比较,且 108 项离线指标均无法通过置换测试预测 MPC 闭环崩溃。

  5. arXiv · ML39

    VioLA:基于人类数据学习通用人形机器人控制策略

    VioLA 提出通过预测身体与手部动作潜在变量而非关节指令来控制人形机器人。该模型利用包含 1.406 亿帧数据(其中 93.2% 为人类数据)的混合演示池进行训练。在真实人形机器人上,VioLA 无需针对任务微调即可实现 100% 的运动成功率,且操作成功率为 88.6%。代码和检查点将开源。 ```

  6. arXiv · ML20

    asdex: JAX 中的自动稀疏微分工具箱

    asdex 是 JAX 生态中首个独立的自动稀疏微分(ASD)工具箱,提供 `jax.jacobian` 和 `jax.hessian` 的稀疏替代方案。 该工具通过检测稀疏模式、图着色分组及压缩微分,将自动微分(AD)路径数量从矩阵维度解耦;例如,具有 $b$ 个连续带的带状雅可比矩阵仅需 $b$ 次 AD 路径,与问题规模无关。

  7. arXiv · ML24

    ARGUS:用于解读单核苷酸变异的证据约束型智能体框架

    ARGUS 框架通过严格分离确定性计算与 LLM 推理,将 458 个 DNABERT 模型整合进智能体循环中,以解读非编码变异。 该框架在 8q24 癌症风险位点对四个转录因子进行验证,利用 ADASTRA、JASPAR 和 ENCODE 等真实数据源调整调查路径。 该工作已被 NeurIPS 2026 Agentic AI for Biological Discovery 研讨会接收。