视频世界模型综述：以读写共享交互四视角统一理解与生成
一篇 arXiv 综述（arXiv:2610.31668，102 页、17 图、19 表）以世界建模为统一视角，将视频基础模型与视频世界模型的研究组织为四种操作：reading（从观测视频推断世界属性）、writing（按条件合成视频）、sharing（以共同建模机制整合理解与生成）和 interacting（在动作与演化观测下预测并更新世界状态）。
更新
Hugging Face Daily Papers被本站收录的内容
Hugging Face Daily PapersAI 评分4242 Hugging Face Daily PapersAI 评分5151 SCOPE 将自然语言策略编译为神经符号谓词程序用于 LLM 智能体策略执行
Arnon Mazza 与 Elad Levi 发布论文 arXiv:2610.31062，提出 SCOPE，把策略编译为由小模型、确定性抽取器和组合代码执行的可执行神经谓词程序，并通过对抗性生成反例与程序联合优化。
Hugging Face Daily PapersAI 评分3030 SkeLAM：基于骨架监督的潜在动作模型用于机器人世界模型
研究者提出 SkeLAM，一种骨架引导的潜在动作模型，用于可控的机器人世界建模。它将潜在动作分解为机器人骨架监督的运动分量与保留互补视觉动态的残差分量，并通过跨模态交换重建使两类表征可互换。在 DROID 上，SkeLAM 较 DreamDojo 将末端执行器 ADE 降低 19.5%、LPIPS 降低 11.1%，并支持零样本人到机器人动作迁移。
Hugging Face Daily PapersAI 评分4343 超越观看与搜索：面向视频中心深度研究报告的智能体基准测试 OmniDR-Bench
研究者提出视频中心深度研究报告生成任务，并发布技能化工作流与 OmniDR-Bench 评测基准。该基准包含 50 个中英文任务、覆盖 19 个真实子类别、共 6,414 条标准，采用 Omni Atomic Rubric Trees（Omni-ARTs）从视听定位、多模态证据使用和交互呈现三方面评测。在 18 种智能体配置中，最佳系统仅得 63.3/100 分，代码和数据已开源。
Hugging Face Daily PapersAI 评分2020 FAPL：让 MLLM 潜变量真正服务于电影级视频生成的因子感知预测学习
Songlin Yang 等研究者提出 Factor-Aware Predictive Learning（FAPL），通过冻结 MLLM 与连接器训练 Video Diffusion Transformer，使其潜变量有效用于视频生成。
Hugging Face Daily PapersAI 评分4343 Looped Uniform Diffusion Language Models：循环机制提升均匀扩散语言模型训练效率
一项研究将选择性循环机制引入均匀扩散语言模型（UDLM），在不改变训练目标与采样器的情况下显著提升训练效率。Looped UDLM 以最多 2.8 倍（OpenWebText）和 3.3 倍（FineWeb-Edu）更少的训练 FLOPs 达到非循环模型在约 0.5 万亿 token 上训练的验证 NLL；相同 NFE 预算下生成困惑度最多降低 9.8%。
Hugging Face Daily PapersAI 评分5050 Quant-Arena 发布面向 A 股端到端量化研究的 LLM 智能体基准
论文提出 Quant-Arena，一个基于真实 A 股数据的端到端量化研究基准与公开排行榜。模型构建特征和打分代码，仅用 2022 至 2023 年数据获取反馈，冻结策略后在封存的 2024 年考核，评估含交易成本与基于模拟订单簿的市场冲击。九个前沿模型中 GPT-6 Astra 得分最高，但没有模型在 2024 年跑赢等权市场；基准开放任意模型或智能体框架提交。
Hugging Face Daily PapersAI 评分3636 ToM2Vec：用连续心智理论 token 实现多智能体协作
研究者提出 ToM2Vec，通过固定数量的连续推理 token 让 LLM 智能体在潜空间中形成抽象心智理论（ToM）。在 Overcooked-AI、Hanabi、多方谈判等合作、竞争与混合动机环境中，该方法一致超越基础模型及多种训练和提示词基线，且推理放潜空间比文本表达效果更好。
Hugging Face Daily PapersAI 评分5858 LASAGNA 框架研究揭示 RAG 各阶段技术收益难以叠加
Ido Levy、Segev Shlomov 与 Leshem Choshen 发布论文并开源 RAG 受控评估框架 LASAGNA，测试 450 种配置、8 个基准、5K 至 200K 文档规模的语料。
Hugging Face Daily PapersAI 评分4141 SERA：从 VLM 规划器到机器人智能体，面向历史依赖操作的自进化框架
研究者提出 SERA（Self-Evolving Robotic Agent），通过可编辑的 harness 将高层 VLM 组织为机器人智能体，配合固定的 VLA 执行器维护任务上下文并利用执行经验改进规划。
Hugging Face Daily PapersAI 评分4141 PACE：面向 4-bit 循环状态的周期性与通道对齐编码方法
论文提出 PACE，一种事后式 4-bit 状态量化器，用于压缩线性注意力语言模型的循环状态，仅每隔几个生成 token 舍入一次并缓存中间 token，同时按列共享量化 scale、将误差最大的头保留为 8-bit。
Hugging Face Daily PapersAI 评分4040 RealMe：从稀疏采集生成沉浸式体积视频
RealMe 是一个基于高分辨率视频扩散模型的统一框架，可将稀疏低分辨率采集视频增强为 2K 分辨率、4D 一致的视频，用于体积视频重建。该方法采用分解式时空注意力与布局感知位置编码，并引入潜空间频率损失缩小生成与真实采集的差距。在 DNA-Rendering 基准和自建 RealVV 数据集上，其视觉保真度与 4D 一致性超越现有最优方法，论文将发表于 SIGGRAPH Asia 2026。
Hugging Face Daily PapersAI 评分2424 LoopRec：面向序列推荐的条目级自适应递归推理
论文提出 LoopRec，将序列推荐中的固定计算深度改为条目级自适应递归。该方法用单个权重共享块递归处理，在每个递归边界由轻量门控对每个条目独立做出退出或继续的二元决策，无需辅助深度标签。在公共基准和四类骨干架构上的实验显示 LoopRec 持续优于同等预算的固定深度方法，且学到的分配与 oracle 分析一致：低频条目和更近的交互获得更深计算。
Hugging Face Daily PapersAI 评分3939 多模态具身智能体：从 Computer-Use 到 Robot-Use 的统一能力视角 PAPAV 框架
研究者提出 PAPAV 统一能力框架，将多模态具身智能体（MMEAs）的核心功能归纳为感知状态、预判动作效果、规划可行路径、通过接口或身体执行、验证结果五项。分析 64 个 benchmark 发现，评测集中在 Act，仅 5 个评估 Anticipate、3 个评估 Verify。该框架为设计可靠物理智能体、超越单纯任务成功率衡量进展提供了共同基础。
Hugging Face Daily PapersAI 评分5656 DeepEvolve 论文提出面向未来事件预测的递归自我改进智能体系统
论文提出基于未来事件预测的递归自我改进智能体系统 DeepEvolve，通过动态环境合成可验证任务，并将预测背后的推理轨迹内化回模型能力。在每周更新的 FutureX 排行榜上，其自我改进的预测系统连续三周排名第一，rating 最高提升 195%；在自建评测中于四个基座 LLM 上均进入前三，最强领先基线 10.7 Bradley-Terry 分。
Hugging Face Daily PapersAI 评分3737 SpatialBrain：从经验中生长的空间智能框架
论文提出 SpatialBrain 框架，在冻结视觉-语言骨干的前提下保留空间推理决策经验，核心是区分场景证据与推理经验。其 3DFusionMemory 将当前场景观测融合为可查询的空间关系，Spatial Skill Library 提供可复用工具流程，Spatial Cognition 关联任务条件与经验，完成的轨迹被抽象为过程记录并在任务块间整合。
Hugging Face Daily PapersAI 评分3838 DONIC：基于人类演示的通用灵巧双手追踪控制
研究者提出首个跨操作类别和人体动作来源联合训练的通用双手灵巧追踪器 DONIC，并发布多视角数据集 BiHOI，包含 1,575 条序列、覆盖 229 个物体。
Hugging Face Daily PapersAI 评分4343 TraceForge：用学生模型自身风格生成推理轨迹做蒸馏
TraceForge 提出一种蒸馏替代方案：在教师模型隐藏推理轨迹不可得时，以教师答案和上下文为输入，由生成器自行写出学生模型家族风格的推理轨迹，配合对抗训练的 critic 筛选。独立判官的真实性评分显示其轨迹平均 0.68，接近真实轨迹的 0.66，critic 筛选后达 0.82。在相同 5,000 题和教师答案下，HumanEval+ 提升 3.7 点、MBPP+ 提升 7.1 点。
Hugging Face Daily PapersAI 评分3939 CulturalRiddles：一个多文化谜语评测基准
CulturalRiddles 是一个由人工创作、社区协作完成的多文化谜语基准，覆盖 62 种文化、45 个国家、51 种语言，要求模型具备溯因与组合推理及文化特有知识。研究评测了 28 个 LLM 配置，结合自动评估与大规模人工评估，前沿模型在某些文化社区中准确率最高仅 22%。全部数据与代码已公开，并开放贡献渠道以扩展语言与文化覆盖。
Hugging Face Daily PapersAI 评分3737 VX-One：面向实时边界安全分流的类型化校准决策头实证研究
VX-One 是一个 100K-10M 参数的小型多头网络，输出校准门控、含显式 unknown 选项的闭集选择和有序分数，CPU 上 p50 延迟约 0.7-1.7 ms，多任务训练并逐头温度校准。