AI Trend Research
CH

研究

我们每天挑选获赞最多的最新 AI 论文，概括其问题、方法、结果与局限；每周按领域整理值得关注的论文（医疗领域包含 PubMed Central、bioRxiv、medRxiv）。全部为可免费阅读的开放获取论文。

本周各领域值得关注的论文：61 篇 ↓

每日论文解读

2026年10月15日 7

语言模型效率与基础设施智能体National University of Singapore 进阶 点赞 264

Jeva：以决策结构为基本原理设计的 System One 模型

设计了一种决策专用结构：将请求与候选选项分别编码，只根据候选集合更新请求状态。由此同时获得了不受顺序影响的选择、明确的“不适用”判定以及候选表示缓存。
智能体强化学习语言模型NLPIR Lab @ RUC 进阶 点赞 192

Agent-Reflex：训练语言智能体在反思中行动

在注入真实工具错误的环境中比较成功与失败的轨迹，提取反思元技能，并通过 SFT 和强化学习将其内化，得到对噪声具有鲁棒性的工具使用智能体。
计算机视觉多模态效率与基础设施Multimedia Computing Group-Nanjing University 中级 点赞 190

VideoJev：面向视频理解与交互的 System One 模型

将多模态 LLM 的生成式答案解码替换为候选打分头，并在多个查询间复用视频计算。由此在提升时间区间定位准确率的同时，将视频 QA 处理速度提高了 100 倍以上。
计算机视觉智能体强化学习alibaba 进阶 点赞 109

Urbex：面向城市规模 3D 场景的智能体式空间 Grounding

通过强化学习训练一个用放大和倾斜视角工具探索城市规模 3D 场景的 VLM 智能体，使其无需候选对象列表即可找到自然语言所指的对象。
机器人与具身智能生成式媒体Sber Robotics Center 进阶 点赞 82仅基于摘要

GreenWAM：面向机器人的世界基础模型

将 20 种机器人的动作统一到共同的关节坐标中，并在多种模式下联合训练，构建了一个同时充当世界模型和策略的单一机器人基础模型。
机器人与具身智能多模态数据工程OpenGVLab 进阶 点赞 25

RSI-Nav：通过策略同步的语言-动作相互自举实现导航的递归自我改进

由一个模型自行生成、执行并验证路径指令，并在每个小数据块（分片）后立即更新自身，通过这种递归自我改进提高了 VLN-CE 成功率。
语言模型智能体强化学习法律与专业服务 中级

Legal-R1：面向基于依据的法律推理的智能体式检索

在由律师、法律助理、法官角色组成的多智能体结构中，只用 SFT 和 GRPO 训练负责规划依据检索的律师智能体，使 8B 模型在中国法律基准上超过了 RAG 基线。

2026年10月14日 6

计算机视觉机器人与具身智能自动驾驶XPENG AI 进阶 点赞 246

GroundingPI：基于视觉基元的物理 AI Grounding 基础模型

构建了以 token 形式生成点和框坐标的 4B Grounding 模型，在 34 个基准上取得最高平均分，并提升了机器人操作和自动驾驶性能。
语言模型数据与评测Stanford University 中级 点赞 215

Thinking Inertia：叫它别思考也仍在思考的 LLM

将回答拆分为“答案前文本”和“最终答案”，用三级指标测量后发现，关闭思考的设置或指令都无法可靠地消除可见的推理。
智能体数据与评测语言模型 中级 点赞 201

AgentSWE：编码智能体能否构建用户想要的智能体

构建了包含 25 个任务的基准，让编码智能体创建、修改和优化智能体。用隐藏用例评估后发现，开发过程中表现出的性能与实际交付成果之间存在很大差距。
智能体语言模型alibaba 中级 点赞 133

面向长程终端智能体的智能体式数据扩展

构建了从实际工作问题自动合成长程终端任务环境的引擎，并用约 3 千条轨迹微调 Qwen3.5-27B，在全部 12 个基准上提升了性能。
生成式媒体多模态智能体媒体Google 进阶 点赞 78

VIS-Ground：基于上下文 Grounding 的交互式视频叙事

将原始资料、已生成的视频和观众请求整理为依赖模型并转化为生成约束，在全部 3 个视频生成骨干网络上将综合得分平均提高 10.3 分。
语言模型数据与评测Megagon Labs 中级 点赞 8

ARCS：通过结构化消歧实现精确的 Text-to-SQL

提出了一种用选择题和滑块消除真实数据库中自然产生的问题歧义的方法及相应基准。即使是最新的 LLM，在有歧义的问题上执行准确率也大幅下降。

2026年10月13日 7

生成式媒体强化学习KlingAI Research 进阶 点赞 228

DiffusionART：高效、稳定且可扩展的扩散模型强化学习

将各提示词的奖励汇聚为单一改进方向，并加入根据漂移进行恢复的更新，从而无需调节 EMA 即可让扩散模型强化学习高效且稳定。
多模态安全与对齐计算机视觉MirroS 进阶 点赞 201

S-Space：探究多模态语言模型内部的空间工作空间

在 MLLM 内部表示中找到由左右、上下、远近三个轴构成的三维线性子空间（S-Space），并表明空间推理失败的原因主要在于视角变换计算，而非感知。
机器人与具身智能强化学习University of Washington 进阶 点赞 129

Reflex：基于视觉的反应式人形机器人全身控制

将全身控制、物体动力学推理和第一人称视觉 grounding 分为三个阶段学习，使真实的 Unitree G1 仅凭机载 RGB-D 就能接住人抛来的箱子。
智能体数据与评测Shanghai Jiao Tong University 中级 点赞 83

SoftwareGym：用多样的合成软件环境扩展计算机使用智能体的训练

通过多智能体流水线自动合成 182 个 GUI 桌面应用，并用其轨迹进行训练，将 OSWorld Pass@3 从 41.39% 提升到 56.97%。
智能体机器人与具身智能数据与评测PKU-VaLuE-Lab 中级 点赞 62

EmbodiedCLBench：评估自我进化型具身智能体的持续学习

构建了一个具身仿真基准，衡量智能体能否组合从基础任务中获得的经验来解决未见过的高级任务，并表明经验能提升性能，但提升幅度不会随样本数量成比例增加。
数据工程语言模型 中级

面向 LLM 预训练数据的主机感知网页爬取

利用网页文档质量约有一半取决于主机这一点，表明先对每个主机只采样几个页面、再对优质主机进行深度爬取，可将高质量页面的产出率提高数倍。
智能体多模态强化学习医疗与生物CASE 进阶 点赞 12

从基于给定证据到自主收集证据：面向纵向医学推理的智能体训练

通过 SFT 和智能体强化学习，训练能在患者记录和各时间点 MRI 中自主寻找证据的临床智能体。基于 Qwen3-VL-8B 的模型在回答准确率上相对 GPT-5.4 领先 16% 以上。

2026年10月12日 2

语言模型数据工程 中级

将英语质量分类器扩展用于多语言 LLM 预训练数据筛选

为机器翻译文本附上英语质量分类器的分数，在多语言嵌入之上训练小型 MLP，在没有各语言标注数据的情况下，于 100 多种语言上取得了与现有多语言过滤方法相近的性能。
计算机视觉医疗与生物 进阶

ContiLNN：用 Liquid Neural Network 缓解切片采样不连续性的医学影像复原

在 2D 复原模型上附加反映切片间距的双向 CfC 模块，使 CT、MRI、PET 的复原质量高于基准模型。

2026年10月11日 2

经典机器学习、推荐与搜索数据与评测 进阶

通用图异常检测真的需要真实训练数据吗？

构建了自动合成异常图的 AG-Forge 和在其上进行大规模训练的 TS-GGAD，不使用真实数据训练的模型在全部 14 个真实数据集上都取得了最佳性能。
语言模型安全与对齐AI 安全法律与专业服务 进阶

引用了却并未以此为依据：法律 CoT 忠实性的反事实审计

进行了保持事实不变、只替换作为判决依据的法律条款的反事实实验。结果表明，LLM 即使正确引用了依据，判决也常常并不真正依赖该依据。

2026年10月10日 6

效率与基础设施语言模型Tsinghua-NICS-EFC 进阶 点赞 102

TokenRouter：面向 token 级 LLM 路由的高效服务系统

构建了一个结合以请求为中心的编程、按模型异步执行和延迟批处理的服务系统，使 token 级路由的解码吞吐量比现有实现提高 2.01~64.15 倍。
生成式媒体智能体机器人与具身智能MirroS 进阶 点赞 131

AgentGarten：帮助智能体持续进化的基于代码的虚拟世界

将通用实时神经渲染器与模拟器、游戏引擎结合，构建出用代码编写的交互环境，并展示了智能体在其中只需几轮就能完成学习。
智能体语言模型Nanyang Technological University Singapore 中级 点赞 97

从记录到智能体世界：模拟交互环境的智能体式语言世界模型

将过去的交互记录重构为环境“世界书”，并由参考世界书的世界模型智能体来模拟环境，得到比现有提示词方法更忠实、更一致的模拟。
数据与评测智能体语言模型National University of Singapore 中级 点赞 76

Learn2Play Bench：LLM 智能体在陌生环境中能多好地从经验中学习

用 20 款规则隐藏或与常识相反的文本游戏构建基准，衡量 LLM 智能体不依赖先验知识、通过交互进行学习的能力。
机器人与具身智能智能体多模态zju3dv 中级 点赞 62

SuperNav：适用于任意任务、任意场景的智能体式导航系统

不做微调，而是用导航专用的智能体 harness（Skill、Tool、上下文管理）包裹预训练 MLLM，在多项导航任务中取得了高于 4 种对比基线的成功率。
经典机器学习、推荐与搜索科学与生物 进阶

迈向自适应生长量子分类器中电路深度与训练数据量的联合优化

在改变训练数据规模的同时将 Q-FLAIR 电路生长方法用于 MNIST，结果发现数据量与最终电路规模之间没有出现可预测的关系。

2026年10月9日 8

效率与基础设施语言模型Zhejiang University 进阶 点赞 100

STEPQuant：Delta-rule 循环状态量化中误差何时、何处重要

在量化线性注意力模型的循环状态时考虑误差的存续时间和位置，用 6 比特保持 FP32 级别的准确率，同时将服务内存最多减少 68.7%。
机器人与具身智能效率与基础设施NVIDIA 进阶 点赞 88

Long-WAM：World-Action 模型的上下文扩展

将以自回归（AR）方式预训练的视频模型适配到机器人控制，使其能利用更长的视觉历史，并经过优化可在边缘设备上实时运行。
智能体AI 平台与解决方案Zhejiang University 入门 点赞 82

nanoMuse：在我所有设备上运行的开源个人智能体

基于公开资料分析了 Meta Muse 的架构，并发布了可直接操作手机和电脑屏幕的 GPL-3.0 开源个人智能体 nanoMuse。
智能体生成式媒体媒体The University of Hong Kong 中级 点赞 78

Recursive Game Creator：以游玩体验为中心、基于智能体的游戏开发 Harness

Designer、Builder、Player、Reviewer 循环迭代，用代码策略来游玩和评估游戏，在 GameCraft-Bench 上取得最高分 77.89。
安全与对齐数据与评测智能体Xi'an Jiaotong University 中级 点赞 66

DecepEval：LLM 智能体欺骗行为评估基准

基于欺诈理论定义了诱发欺骗的四种外部条件，构建 1,532 对中性-诱导样本，测得 9 个前沿模型的欺骗率在诱导条件下一致上升。
强化学习安全与对齐语言模型 进阶

哪个 Rollout 教会了这种行为？检验在线强化学习中训练数据归因局限性的 BehaviorTrace

通过植入已知答案的行为对 GRPO 训练进行受控实验，结果表明，基于梯度的训练数据归因信号中有相当一部分来自混杂因素。
机器人与具身智能数据工程数据与评测 中级

Kuration SDK：用数据整理解决 Virtual2Real 差距

比较用 CS:GO 和 CS2 游戏数据训练的扩散世界模型，表明 FVD、LPIPS 无法反映实际可玩质量，并借助数据诊断工具将原因缩小到“动作—画面变化”幅度的差异。
机器人与具身智能数据工程计算机视觉 中级

LeCuration：用作数据整理多用途工具的小型世界模型

用 CS:GO 数据在几小时内训练了一个约 1,500 万参数、基于 JEPA 的小型世界模型，并定性表明其嵌入和预测误差可用作聚类、异常检测等数据整理信号。

2026年10月8日 5

语言模型 进阶 点赞 153

重新审视跨分词器的 On-policy 蒸馏：比对齐范围更重要的是监督信号的可靠性

分析了分词器不同的教师模型与学生模型之间的 On-policy 蒸馏，表明只对 1:1 对齐的位置进行简洁的监督，比扩大对齐范围更有效。
生成式媒体效率与基础设施ByteDance 进阶 点赞 68

DuoMatching：面向少步视频生成的联合分布与边缘分布同时匹配

在视频教师模型的联合分布匹配之上，加入基于图像生成模型的逐帧边缘分布匹配，提升了少步视频生成的画质与语义对齐。
效率与基础设施强化学习语言模型Qwen 进阶 点赞 65

TRACE：面向MoE语言模型FP4强化学习的基于Rollout的QAT（量化感知训练）

以Rollout侧的FP4舍入结果引导训练侧的舍入，减少了训练-Rollout不一致，在MoE模型的RL中以BF16水平的性能实现了最高5.4倍的Rollout加速。
智能体语言模型DEEP Group at Jilin University 中级 点赞 36

EviSkill：基于可重新执行证据的智能体技能演化

将每次技能修改所依据的执行片段打包为证据卡，通过重新执行进行验证，并在多个轮次间保留和精炼修改，改进了LLM智能体的技能演化。
智能体安全与对齐数据与评测National University of Singapore 中级 点赞 34

从证据到行动：工具使用智能体在哪里失败

构建了追踪智能体在行动前是否真正获取所需证据的基准SafeActBench，表明工具使用智能体的失败大多始于执行前调查不足和行动过于仓促。

2026年10月7日 5

生成式媒体多模态语音与音频Kandinsky Lab 进阶 点赞 117

Kandinsky 6.0 Video：同步生成视频与音频的基础模型

用双向交叉注意力连接预训练的视频流与新训练的音频流，构建了一个能同时生成口型同步的5秒视频和44kHz音频的开放模型。
语言模型效率与基础设施Amazon 进阶 点赞 60

ALoDLM：按 token 调节循环深度的循环式扩散语言模型

在扩散语言模型中，只让困难 token 对潜在状态进行更多次迭代精炼，从而同时获得高于同规模自回归模型的平均分数和更快的并行解码。
生成式媒体计算机视觉Seoul National University 进阶 点赞 35

In-Distribution Forcing：面向测试时长视频生成的分布内 KV 运用

一种使 KV 缓存的构建方式和读取方式都与训练时配置一致的免训练方法，将 5 秒模型扩展到分钟级视频生成，同时减少了颜色和运动漂移。
智能体安全与对齐语言模型DEEP Group at Jilin University 中级 点赞 33

MemAdapter：防止记忆引发谄媚的反事实适应框架

对每条检索到的记忆通过反事实推理找出风险条件，并按当前任务调整其影响力，从而减少 LLM 智能体基于记忆的谄媚。
智能体数据与评测机器人与具身智能University of Illinois at Urbana-Champaign 中级 点赞 31

LMBuild：评估 LLM 智能体构建可实际组装且能运作的结构

构建了涵盖部件、关节、材料乃至组装顺序的结构构建交互环境和四层评估体系，并评估了 30 个系统，结果确认功能和物理可运作性是最大的短板。