每周各领域值得关注的论文
2026年10月19日 ~ 2026年10月25日
跳到领域 · 入选多的领域在前
语言模型
-
LEV：用循环式决策模型实现又快又深的思考
一种不生成文本、而是通过重复执行层来进行更深思考的决策模型，用一个检查点就能针对简单问题和困难问题调节不同的计算量。
-
Deep Fusion Memory：面向大语言模型的分块参数化记忆
一种将学习得到的记忆直接注入中间隐藏状态的参数化记忆结构，旨在同时减少持续预训练时的遗忘和实时检索成本。
arXiv 2610.25100 · 点赞 50 · 2026-10-18 · PDF
-
大规模 Flow 语言模型
将按块并行生成的连续 Flow 语言模型 Lafa 扩展到 8B。利用现有自回归模型以少量数据进行训练，并借助前缀缓存加快推理。
生成式媒体
-
MOSS-Image 技术报告
一个开放的图像生成系统，结合了从零预训练的 5B DiT 与理解意图的智能体式提示增强，能以两种语言渲染长文本，并精确控制布局。
-
面向交互式视频生成的 Speculative Sampling
通过附加噪声 latent 扩大生成范围，并缓存预测以便复用。这是一种交互式视频生成策略，力求同时兼顾大生成范围的质量和小生成范围的快速响应。
-
面向扩散模型的校正学习
为减轻扩散模型以自身预测作为输入时误差累积的问题，将修正基础模型预测的校正步骤设为单独的学习任务。
计算机视觉
-
光谱-空间解释
在每个位置上对通道应用沙普利值，构建位置×通道的完整贡献度矩阵。一次性解释模型在多光谱图像中在哪里关注哪些通道。
-
通过点轨迹预测学习 4D 世界
提出世界模型 VPM，它接收多路相机视频和语言指令，同时预测任意视角的未来视频以及场景点的 3D 轨迹。
-
CompactSplat：面向 Feed-forward 场景重建的空间自适应高斯放置
一种 Feed-forward 3DGS 框架，摒弃在每个像素上均匀放置高斯的方式，根据内容自适应地放置高斯，从而减少冗余并更好地保留平面结构。
多模态
-
OpenVLHarness：具备多模态记忆的真实世界视觉智能体工具使用
在 22 个基准上表明仅增加推理预算只能带来小幅性能提升，并提出一个结合多种工具与持久化多模态记忆的开放推理 harness。
-
PrismaCoder：通过评分细则分解合成拓展开放多模态代码模型的边界
在图表、网页、动画等渲染结果至关重要的代码生成中，通过基于评分细则分解的数据合成，解决制约开放模型的数据数量与质量问题。
-
Xiaomi-Lens-0 技术报告
基于 Qwen3.5 的 4B 多模态模型无需单独的分割编码器，用自身的视觉表征预测掩码，并在推理过程中逐一指认区域。
智能体
-
轻装上阵，CarryOn：面向长程智能体的面向对象上下文
一种面向长程智能体的运行时，不再每次都重新读取交互记录，而是围绕可复用的工作对象来组织上下文。
-
WildAWM：为计算机使用智能体合成训练环境
大规模合成同时支持 GUI、MCP 服务和 CLI 的可执行环境与任务，在不承担真实系统安全风险的情况下训练计算机使用智能体。
-
OpenMobile-2：基于可扩展环境与应用原生工具构建的通用移动智能体
一个公开了 35 个仿照商用应用的应用以及全部训练数据和配方的移动智能体，提供约 1.2 万条监督学习用轨迹和可验证的强化学习数据。
物理 AI·机器人
-
96 台机器人的集体经验学习
部署在现场的机器人汇集执行经验以改进共享策略，不依赖专家纠正，将学习扩展到整个机器人集群。
arXiv 2610.25736 · 点赞 137 · 2026-10-19 · PDF
-
ScaleNav：通过互联网视频预训练扩展语言条件机器人导航
从互联网第一人称视频中学习朝目标移动时的视觉变化，并将其用于生成机器人动作。绕开了真实机器人数据昂贵和仿真差距的问题。
-
AgenticRoboRL：将编码智能体式后训练应用于机器人智能体
一个对过去依赖闭源模型的机器人规划器直接进行后训练的框架，同时支持 VLA 技能调用和控制代码生成等不同的 harness。
强化学习
-
面向长程智能体强化学习的基于树的事后蒸馏
一种长程智能体强化学习方法，无需 Critic、逐步标签或外部教师模型，即可按轮次分配奖励，并缓解策略陈旧问题。
arXiv 2610.23181 · 点赞 57 · 2026-10-16 · PDF
-
Harness Scaling：可泛化的智能体强化学习
突破固定于单一 harness 进行训练的方式，提出将训练扩展到多种执行配置的“harness 扩展”，作为智能体强化学习新的扩展维度。
-
Lean4AgenticRL：通过可验证的多层过程奖励提升智能体强化学习
以 Lean4 形式定义贯穿工具调用、任务步骤和最终结果的多层过程奖励，从而增强面向 SWE 与终端任务的智能体强化学习。
效率·基础设施
-
DLite：面向智能体 AI 的无历史 Speculative Decoding
在智能体任务中，草稿模型的接受长度最多减少 80%。本文提出一种完全不使用造成这一问题的长历史上下文的 Speculative Decoding。
-
Meta Expert：提升存储与检索效率的跨层专家共享 MoE
将每层各自独立的 MoE 专家替换为跨层共享的 Meta Expert，并从多个角度比较了减少参数冗余的效果。
arXiv 2610.27598 · 点赞 31 · 2026-10-20 · PDF
-
Specter：基于量化的多步推测卸载实现快速 MoE 推理
用量化后的草稿模型提前多步预测之后将使用的专家，缓解搬运卸载到主机内存的 MoE 专家时的 PCIe 瓶颈。
arXiv 2511.14102 · 点赞 27 · 2025-11-18 · PDF
AI 信息安全
-
画面对了，转换错了：用作 GUI 智能体验证器的世界模型
认为 GUI 智能体的安全应根据画面转换而非单个画面来判断，提出一种在观测编码空间中预测下一画面、从而识别复用正常画面的攻击的世界模型。
-
Agent Mosaic：智能体式 LLM 系统中的机密泄露感知
测量了通过组合多份文档揭示敏感结论的“马赛克效应”。即使是最佳模型，在无害查询中也有 7.08% 的回答暴露了被禁止的组合。
arXiv 2610.30418 · 点赞 23 · 2026-10-21 · PDF
-
你就是触发器：由说话人声音激活的后门
通过两阶段微调实现了一种语音模型后门：推理时无需篡改输入，特定说话人的自然声音本身即为触发器。
arXiv 2610.27210 · 2026-10-19 · PDF
科学·生物
-
从研究目标到科学结论：通过基于证据的物理研究评估智能体
一个基准，用 50 个经专家验证的物理研究任务，评估 AI 智能体能否自行设计调查，并基于证据得出结论。
-
Épi：面向自主研究的持续、自我改进型智能体
一个跨会话持续开展研究的自主研究智能体，产出了 120 项刷新纪录的结果，例如将 n-queens 常数区间缩小约 84 倍。
-
科学 ML 自动化：前沿智能体能否在实战中提升科学性能
一个长期测试平台，考察智能体在 11 个领域的 20 个科学 ML 基准上能将已发表的最佳模型改进多少；在所有基准上都超过了此前的最佳纪录。
数据·评估
-
DecisionPivot：LLM 系统中决策模型的诊断基准
一个包含 48 项任务、40,033 个条目的基准，以对照组和置信度标准诊断用于路由、护栏和输出验证的决策模型。
-
RAG 技术组合后效果还能保持吗
使用开源框架 LASAGNA 在 8 个基准上测试 450 种 RAG 配置，验证单项技术的效果在组合或扩大规模后是否仍然保持。
-
ICLHerd：以 In-Context Learning 作为代理指标、基于 herding 的 LLM 数据选择
指出只看相似度的数据选择存在数据集中在开发样本周围的偏差，并用 von Mises-Fisher 核对此进行平衡调整。
arXiv 2610.27142 · 2026-10-19 · PDF
数据工程
-
Uber-Join：在保证精度和成本的前提下，用 LLM 统一多种表连接
将模糊连接、变换连接和语义连接与 LLM 结合，但只有选择地调用 LLM，在给定成本内满足精度目标的同时最大化召回率。
arXiv 2610.25178 · 2026-10-18 · PDF
-
Data.Readme：面向多种数据任务的表关系文档化
离线以轻量方式预先记录数据湖中的表关系，减少智能体每次查询时探索表所带来的成本和延迟。
arXiv 2610.25131 · 2026-10-18 · PDF
-
歧义探索：面向鲁棒 Text-to-SQL 的对抗式意图消解
一种无需训练的多智能体框架：将模糊问题的多种解释执行为 SQL，确认结果是否确实不同，并依据数据差异生成反问的问题。
arXiv 2610.24248 · 2026-10-16 · PDF
MLOps·LLMOps
-
MLOps-Bench：在真实代码仓库中评估生产级机器学习工程能力的基准
以执行结果为依据，评估智能体在真实机器学习仓库全生命周期（数据管道、服务部署、监控、CI/CD 等）中修复问题的能力。
arXiv 2610.23506 · 2026-10-16 · PDF
-
当 KV 缓存比 GPU 还慢时：为 Context-Parallel Prefill 扩展远程 KV 层
通过复现真实生产请求，分析启用远程 KV 缓存层后，16k token 的 p99 首 token 延迟从 3.96 秒增至 17.3 秒的原因。
arXiv 2610.21500 · 2026-10-15 · PDF
-
Gandalf：在 LLM 推理服务中卸载 KV 缓存时延长 SSD 寿命
在多轮对话和智能体工作负载中，KV 缓存写入会使 SSD 寿命从数年缩短到数月；该研究在保持缓存命中率的同时缓解这一问题。
arXiv 2610.30791 · 2026-10-22 · PDF
传统机器学习·推荐·搜索
-
在关键处更深：面向序列推荐的逐物品自适应递归
基于“用户历史中每个物品所需计算量差异很大”这一诊断，以逐物品分配深度的方式，挑战序列推荐中对所有物品使用相同计算量的惯例。
-
PAIR：面向 LinkedIn Premium 人物推荐的偏好对齐意图检索
正如求职者更想联系招聘人员而非相似的同行，LinkedIn 提出了一种反映互补关系、基于意图的人物推荐方法。
arXiv 2610.30941 · 2026-10-22 · PDF
-
Fusion Tax：混合检索反而吃亏时的诊断分析
利用 7 个 BEIR 数据集，分析混合 BM25 与稠密检索的混合检索在单个查询上付出的代价，并把“不混合”也作为正式选项。
arXiv 2610.30612 · 2026-10-22 · PDF
医疗·生物
-
精准预测治疗反应的癌症基因型基础模型
基于 3 万余个肿瘤的基因组变异进行预训练的 MutationProjector，在免疫治疗和抗癌治疗耐药性预测中达到或超过最先进水平，并发现了新的生物标志物。
Cancer discovery · Europe PMC · 2026-10-01 · PDF
-
DenseNet-121 在尼泊尔健康体检申请者胸部 X 光分类中的诊断准确率：前瞻性影子模式验证
在尼泊尔一家三级医院，以影子模式对连续 826 人前瞻性验证一个公开的深度学习模型，确认其在医疗资源匮乏环境中的实际适用性。
BMJ open · Europe PMC · 2026-10-01 · PDF
-
从病理报告中结构化提取生物标志物并识别三阴性乳腺癌的 LLM 框架
利用 LLM 从 532 份 TCGA 乳腺癌病理报告中自动提取 ER、PR、HER2 状态等信息，对三阴性乳腺癌进行分类。
JMIR formative research · Europe PMC · 2026-10-23 · PDF
金融·保险
-
Quant-Arena：面向量化投资研究的 LLM 智能体基准
使用中国 A 股真实数据，让 LLM 完成从提出假设到确定策略的量化研究全流程，并以未公开的 2024 年表现进行评估。
arXiv 2610.30113 · 2026-10-21 · PDF
-
假新闻，真暴跌：针对 LLM 金融交易智能体的信息注入攻击
这是一个操纵智能体所信任的新闻本身的“信息注入”攻击基准，覆盖 5 种注入途径和 7 种事件类型，评估约 1 万次交易决策。
arXiv 2610.26438 · 2026-10-19 · PDF
-
无限损失，未经验证的输入：衡量 LLM 期权交易智能体的安全机制
以 26 个实际发布的期权交易智能体为对象，首次测量它们具备哪些安全机制，以及下单路径中可能产生的最坏损失。
arXiv 2610.24289 · 2026-10-16 · PDF
制造
-
面向多阶段制造质量预测的基于时延的注意力
为应对工序阶段之间时间延迟时刻变化的问题，直接估计延迟分布，并据此在阶段之间传递信息，以预测最终质量。
arXiv 2610.29220 · 2026-10-21 · PDF
-
面向 C-SMC 带材铺层在线视觉检测的基于工艺的逼真数字孪生
通过物理仿真和偏振渲染，大量生成标注准确的碳纤维 SMC 图像，解决在线质量检测模型训练数据不足的问题。
arXiv 2610.28050 · 2026-10-20 · PDF
-
面向异构边缘平台的模型压缩技术基准：旋转机械预测性维护案例
为在多种工业边缘硬件上运行旋转机械预测性维护模型，比较了 4 种压缩技术的实际效果。
arXiv 2610.30228 · 2026-10-21 · PDF
法律·专业服务
-
回答还是弃答：缺少正确判例时的决策模型与 LLM
从部分 CaseHOLD 题目中去掉正确的判决要旨，比较决策模型与生成式 LLM 在没有正确答案时能否恰当地弃答。
arXiv 2610.29961 · 2026-10-21 · PDF
-
norregel：询问挪威法规中特定时点数值的预注册基准
包含 916 个条目，以特定日期为准询问挪威法规中的金额、比例、年龄标准，并将回答分为正确、旧值、错误三类，评估 LLM 的法律数值准确性。
arXiv 2610.29207 · 2026-10-21 · PDF
-
LLM 内部的法律要素在哪里
分析 LLM 内部是否形成了与判例比较推理中使用的全部 26 个 CATO 法律要素相对应的内部表征。
arXiv 2610.28799 · 2026-10-20 · PDF
语音·音频
-
Qwen-Audio-3.1-ASR 技术报告
支持 30 种语言和 16 种汉语方言的语音识别模型系列，功能还扩展到说话人区分转写和通用音频理解。
arXiv 2610.28711 · 点赞 37 · 2026-10-20 · PDF
-
Heartbeat Thinking：让实时语音智能体在聆听时预先完成推理和工具执行
一种语音智能体技术，在用户说话期间定期运行推理并预先执行工具，从而缩短发言结束后的等待时间。
arXiv 2610.26233 · 点赞 24 · 2026-10-19 · PDF
安全·对齐
-
利用文本拒绝方向实现多模态安全
检验从 LLM 骨干中提取的文本拒绝方向是否也适用于图像和视频，探索在无需难以收集的有害多模态数据的情况下提升安全性的方法。
往期周榜
一句话摘要由 AI 根据摘要撰写，详情请查看论文原文。