跳到正文
10月8日週四
  1. HuggingFace Daily Papers(社區熱門論文)48

    SoftwareGym: Scaling Computer-Use Agent Training with Diverse Synthesized Software Environments

    SoftwareGym 提出一套自動化流程,合成具多元介面、可執行功能及經運行時驗證的 GUI 軟件環境,以擴展電腦操作智能體(CUA)訓練。研究團隊合成了涵蓋十二個類別的 182 個應用程式,平均 GUI 任務通過率為 91.5%,並建立包含 120 項任務的 SoftwareGym-Bench。

  2. HuggingFace Daily Papers(社區熱門論文)38

    Scaling Verifiable Environments for Long-horizon Work Agents

    WorkForge 從真實資源合成可驗證的工作智能體環境,支援長時程互動與可追溯的結果核驗。研究團隊建構了 16.7K 個涵蓋 40 個專業領域、60 種檔案類型的環境;以此進行後訓練後,Qwen3.5-35B-A3B-Base 的 GDPVal 由 45.5 升至 73.6,APEX Score 由 5.0 升至 21.3。論文目前已撤回。

  3. HuggingFace Daily Papers(社區熱門論文)46

    DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models

    DiffusionART 提出一種擴散模型線上強化學習方法,透過聚合每個提示詞的獎勵改善方向,實現高效穩定的訓練。在 HunyuanVideo-13B 上,DiffusionART 達到 DiffusionNFT 和 Flow-GRPO-Fast 後期平均獎勵水平所需的 GPU 小時分別少 12.02 倍和 11.72 倍,平均訓練獎勵則分別高 28.8% 和 53.0%。

  4. a16z:News60

    a16z 投資 Preference Model

    a16z 投資 Preference Model,該團隊為 AI 研究及 ML 工程任務建設強化學習環境。團隊本週開源 Karotte,這套框架可找出模型弱點、生成針對性任務,並以嘗試攻破環境的智能體進行測試。Karotte 設有終止評分前殘留程序、拒收可能令評分器崩潰的檔案等防護,並經逾 1,000,000 次評估運行及受控紅隊測試。

  5. HuggingFace Daily Papers(社區熱門論文)45

    Sherpa:訓練 LLMs 因材施教

    Sherpa 是一個多輪強化學習框架,透過模擬不同學習偏好的學生類型,訓練 LLM 教師按學生的學習成效調整教學。經 Sherpa 訓練的教師模型,令各類學生的表現平均提升 20.5 個百分點,MathTutorBench 教學評分由 52.5% 升至 79.2%。人類研究中,受訓教師在 79.6% 的配對比較中獲選勝過基礎模型。

10月7日週三
  1. IEEE Spectrum44

    HiPHI:高精度人體動作與物件互動的大規模基準測試

    HiPHI 是一套針對高精度人體動作與物件互動的大規模數據集,並設有評估動作多樣性和互動 grounding 的基準套件。數據集以光學動作捕捉取得,收錄 617.5 小時全身人體動作,精度達亞毫米級,其中 245.7 小時為包含同步物件軌跡及網格的人體與物件互動數據,並以 FrameNet 組織動作範圍。白皮書亦報告以該數據集訓練的策略部署到實體 Unitree G1 人形機械人上的結果。

  2. Hugging Face Blog75

    Nemotron 微調在 IOI 2026 和 IMO 2026 達金牌水平

    研究團隊從 Nemotron 3 出發,結合 SFT、RL 和回饋式推理建立專項系統,在 IOI 2026 得 535.4/600,高於金牌門檻 361.12;在 IMO 2026 得 30/42,高於金牌門檻 29。

    推薦理由:文章並列 IOI 與 IMO 的資料、微調方法及推理流程,呈現專項模型如何配合生成、驗證與修訂環節應對兩類競賽任務。

  3. IT之家55

    Microsoft、OpenAI 遭美國多家地方媒體起訴,被指侵犯版權

    Emmerich Newspapers 等美國地方媒體起訴 Microsoft 和 OpenAI,指控兩家公司未經授權使用數萬篇版權文章訓練 AI 模型。原告稱兩家公司已透過相關內容賺取數十億美元,而出版商未分得任何款項;他們亦指控兩家公司繞過付費牆等限制。原告要求損害賠償,並請求法院頒布禁令,刪除模型中的侵權訓練資料。

  4. HuggingFace Daily Papers(社區熱門論文)46

    NeMo-DCR: Bit-Exact Delta-Compressed Refit for Scalable Agentic RL at Trillion-Parameter Scale

    NeMo-DCR 以增量壓縮方式同步模型權重,接收端取得的參數和緩衝區位元與完整權重同步一致。對 30B-1T 模型,即使權重變動率為 3% 或 5%,速度仍比完整檢查點傳輸快 12-40 倍;1T 模型在 3% 變動率下需時 150 s,完整傳輸則需 87.5 min。

  5. HuggingFace Daily Papers(社區熱門論文)42

    Rethinking Cross-Tokenizer On-Policy Distillation: From Alignment Coverage to Supervision Reliability

    這項研究發現,跨分詞器 On-Policy 蒸餾中,嚴格 1:1 對齊已涵蓋大部分學生模型生成的 token。只在嚴格對齊位置,對共享詞彙中由學生模型選出的 top-16 子集計算反向 KL,準確率與使用完整共享詞彙相若,並勝過受測基線。加入跨度對數概率的均方誤差監督雖可完整覆蓋監督位置,卻會降低準確率。

  6. HuggingFace Daily Papers(社區熱門論文)45

    TRACE: Rollout-Guided Quantization-Aware Training for FP4 Reinforcement Learning of MoE Language Models

    TRACE 提出用於 MoE 語言模型強化學習訓練的 FP4 量化框架,利用 rollout 端的量化結果引導訓練端的 FP4 捨入決策,以減少兩條執行路徑之間的差異。評測顯示,TRACE 可同時採用 FP4 權重、激活值及 FP4 KV-cache 進行 rollout,強化學習表現與 BF16 rollout 相若,rollout 速度最高提升 5.4x。

  7. HuggingFace Daily Papers(社區熱門論文)43

    Personal-Agent Mediated Recommendation with Cross-Platform User History

    研究提出「個人智能體中介推薦」框架,由平台推薦系統根據平台內資料排序候選項目,再由個人智能體運用用戶授權的跨平台歷史資料調整排名,產生最終推薦清單。研究推出 MediateRec 基準,並提出 Personal Attribution Mediation Optimization(PAMO)訓練方法。

  8. MarkTechPost64

    Laya 開發者指南:零樣本決策與校準

    MarkTechPost 的指南以 CLINC150 銀行意圖資料測試 Laya,在 15 個意圖的零樣本分類中取得 0.878 準確率。使用意圖名稱而非自訂描述,準確率由 0.804 升至 0.878;温度校準將 ECE 由 0.102 降至 0.059,但以驗證資料設定為 5% 錯誤率的拒答門檻,在測試集的錯誤率為 9.2%。

  9. HuggingFace Daily Papers(社區熱門論文)40

    EmbodiedSmith:透過模擬中的遞迴自我改進飛輪擴展具身數據

    EmbodiedSmith 提出一套模擬框架,透過遞迴自我改進擴展具身數據生成,並整合資產、場景和任務生成。其智能體改進循環讓場景與任務互相引導修訂,並支援移動操作機械人、人形機械人、靈巧手,以及涉及可變形物件和流體的互動。實驗顯示,增加數據多樣性可提升下游策略的泛化能力;框架亦可用於機械人預訓練和評估。

  10. Apple Machine Learning Research34

    RISED: Rubrics for Agentic Multi-Environment Selection and Self-Distillation

    RISED 提出一套方法,透過評分準則引導智能體在多個互動環境中的資料選擇與策略監督。LLM 評判員以跨環境共用的預設評分準則為每次 rollout 標記,協助選取資料;正向評分準則為 on-policy 自我蒸餾教師提供額外的 token 級監督,負向評分準則則引導後續生成避開反覆出現的失敗模式。不同模型骨幹的測試中,RISED 的跨環境平均通過率最高,且在每個個別環境均排名第一或第二。

  11. IT之家57

    中國科研團隊全球首次構建水稻全生命週期三維時空細胞圖譜

    中國多個科研機構合作完成的研究成果於10月6日晚在《細胞》(Cell)網上發表,研究團隊全球首次構建出涵蓋水稻由種子萌發至開花結實全過程的三維時空細胞圖譜。圖譜整合基因組測序、單細胞測序及空間轉錄組測序;團隊亦建成可供全球研究者使用的資料庫與水稻單細胞基礎模型,支援基因查詢、空間表達展示和比較分析。

  12. HuggingFace Daily Papers(社區熱門論文)42

    OpenESM:能量引導模型可擴展為基礎模型學習器

    OpenESM提出能量引導模型(ESM),把能量引導的潛在狀態最佳化與 token 生成整合於單一架構。研究以三個大型語料庫預訓練,並在 26 項下游任務評估;結果顯示 ESM 隨模型規模及訓練數據增加展現擴展性,且在大多數下游任務勝過 GPTs。研究團隊完整公開模型權重及訓練基礎設施,供社羣重現及延伸結果。

  13. HuggingFace Daily Papers(社區熱門論文)55

    On-Policy Distillation 能教會模型新技能,卻不傳授新知識

    這項研究發現,reverse-KL on-policy distillation(OPD)能把組合推理技能遷移至未見過的推理結構,但只轉移極少事實知識。在四個、來自三個模型家族的模型中,以 forward KL 取代 reverse KL 可恢復事實遷移,而學生模型 rollout 則提升多步推理的執行能力。

  14. HuggingFace Daily Papers(社區熱門論文)34

    SALD:擴散模型的自我參照優勢學習

    SALD 提出擴散模型的自我參照訓練框架,以同一模型在兩個噪聲水平評估圖像與文字説明配對,並按兩條路徑的誤差差異調整較難路徑的訓練目標。框架毋須外部教師網絡或額外可訓練參數,亦不修改推理程序。多種架構和數據集的實驗顯示,該方法持續提升生成質素。

  15. HuggingFace Daily Papers(社區熱門論文)41

    DScout:擴散草稿推測解碼的因子分解引導訓練與推理

    DScout 以兩種因子分解指導擴散草稿器的訓練與推理,提升推測解碼吞吐量。六個基準測試中,Qwen3-4B 和 Qwen3-8B 相對自回歸解碼的平均加速分別達 3.84 倍和 4.14 倍,較 SOTA 基線高 9.1% 和 7.1%。推理配置策略在不同模型及並發設定下,最高再帶來 9.75% 平均加速。

  16. ChinaTalk47

    軍事 AI 的難題在數據

    Bharat Patel 指出,數據是軍事 AI 的主要瓶頸,所需數據類型和質素取決於具體用途,因此「AI-ready data」並不存在。Project Maven 自 2017 年起面對缺乏相關目標數據的問題,團隊其後持續收集數據以建立有效模型。數據管道、標準、治理及測試評估,連同偽裝、欺騙、電子戰和數據投毒等威脅,均影響模型能否投入實地應用。

  17. The Decoder66

    JEPA-Anything 將 LeCun 的 JEPA 擴展為橫跨物理學與生物學的通用世界模型

    研究團隊提出 JEPA-Anything,將 JEPA 擴展至七個不同領域,並以四個相互正交的因素分別預測狀態,再重組成完整世界狀態。在 Pong 的定向幹預測試中,預測誤差下降 35%;對訓練中未見的幹預組合,誤差下降 13%。模型提出的 IL-18 與 CD73 阻斷組合,在類器官及腫瘤組織樣本中比單獨使用任一方法殺死更多腫瘤細胞;研究尚未確定這種組合能否成為實際療法。

10月6日週二
  1. HuggingFace Daily Papers(社區熱門論文)61

    Prior-Fitted Language Model(PFLM)學會從上下文推斷語言

    研究提出 300M 參數的 Prior-Fitted Language Model(PFLM),讓模型在凍結權重下從真實文本前綴推斷語言並預測後續內容。它只以合成的非語言先驗樣本預訓練;每條訓練序列均由從分佈中重新抽取的遞迴結構因果模型生成,因此模型未見過任何真實語言的詞,也不會在訓練中兩次遇到同一語言。

  2. HuggingFace Daily Papers(社區熱門論文)41

    Representation-Space MMD for Diffusion Language Models

    研究提出一種擴散語言模型的後訓練方法,在凍結的預訓練模型特徵空間中,最小化生成分佈與參考分佈之間的最大均值差異(MMD)。實驗顯示,該方法在 OpenWebText 上以相若熵值取得較低生成困惑度,並改善 GSM8K 的準確率與計算量取捨;在 16B DMax-LLaDA2.0 模型上,亦提高解碼並行度,數學及程式碼基準的準確率相若或更高。

  3. IT之家63

    韓國擬推 4.7 萬億韓元計劃,2027 年 3 月起研發前沿 AI 大模型

    韓國政府擬推出總規模 4.7 萬億韓元的專項計劃,自 2027 年 3 月起研發前沿 AI 大模型。計劃結合國家股權投資與民間資本,集中算力晶片、數據及人才;待國會於 12 月審議通過 2027 財年預算後,政府將透過競爭性招標遴選牽頭開發主體,中標方最早有望於次年 2 月敲定。這項新計劃獨立於現有本土基礎大模型研發項目;後者仍會推進,並於 2027 年 2 月第三階段評審中選出兩支最終開發團隊。