S-Agent 2.0：用通用编码智能体做空间推理
研究者提出空间推理智能体 S-Agent 2.0，为现成的通用编码智能体配备命令行感知工具包，通过持久场景记忆帮助 VLM 补全证据闭环。
更新
收录归档 · 第 3 页
Hugging Face Daily PapersAI 评分4242 Hugging Face Daily PapersAI 评分4949 Sage-A1.5：从长程任务执行到科学探索的能力组合
Sage-A1.5 是一个 35B 参数的 Mixture-of-Experts 智能体模型，基于 A1 构建，通过自适应能力组合推进长程问题求解。相比 A1，它带来三项改进：通过子智能体任务委派与隔离上下文并行协作的智能体编排，通过进度检查、证据验证与反思性策略修订提升可靠性的智能体验证，以及支持探索性研究的开放科学发现。
Hugging Face Daily PapersAI 评分3333 PAR：面向状态跟踪长度泛化的进度对齐循环方法
研究者提出进度对齐循环方法 PAR，训练循环语言模型第 k 次迭代的预测对齐前 k 步操作后的状态，并将循环状态重缩放到首轮范数。在 swap-S5 任务上，基于 Qwen2.5-0.5B、最多训练 32 步的模型在 512 步（16 倍训练长度）下达到 95.5% 平均全状态准确率，而同骨干上 RLT 为 55.7%、显式思维链仅 0.8%。消融显示去掉范数锚定后外推倍数降至 2.2 倍以下。
Hugging Face Daily PapersAI 评分5050 LaLa-World：用自然语言动作扩展潜在世界模型
论文提出 LaLa-World，一种语言条件化的潜在世界模型，将数值动作和视觉变化用语言描述，基于语言模型构建预测器，可从仿真、机器人轨迹及图像视频数据联合训练。
Hugging Face Daily PapersAI 评分5757 FrontierCS 2 基准发布：48 个开放式任务评测大语言模型智能体的计算机科研能力
研究者发布 FrontierCS 2 基准，通过删除论文作者代码中的贡献部分，构造 48 个开放式任务，让智能体在继承的真实研究仓库中提交补丁并由保密评测器打分。
Hugging Face Daily PapersAI 评分4949 NVIDIA 发布 Foundation4D：面向自动驾驶的统一感知与重建模型
NVIDIA 推出 Foundation4D，一个基于多相机驾驶视频、前馈式统一模型，可完成几何估计、3D 检测、语义占据和 Gaussian 重建。其共享骨干网络采用分解式时空注意力，并配套发布含 1,253 段驾驶片段密集深度与语义占据标注的 PAI-Foundation4D 基准。
Hugging Face Daily PapersAI 评分4040 ConfigWM：可配置感知的世界模型研究
研究者提出 ConfigWM，通过任务条件化状态提取实现可配置感知，以语言任务描述为配置信号，将视觉嵌入映射到任务特定状态空间，过滤与任务无关的干扰信息，并在该状态空间中学习动作条件动力学用于规划。在干扰逐级增强的环境中，ConfigWM 规划成功率保持稳定，平均比最强基线高 22.3%，物理量探测 Pearson r 提升 0.365，干扰到干净检索提升 75.5%。
Hugging Face Daily PapersAI 评分4848 Self-Credit：基于组内重缩放的长程智能体 RL 信用分配方法
一项新研究提出 Self-Credit，一种端到端智能体 RL 方法，通过自生成信用分配与组内重缩放，把 RLVR 的稀疏结果奖励转化为密集监督信号。该方法包含带引用的摘要生成、组内重缩放和优势重加权三个组件。
Hugging Face Daily PapersAI 评分5858 VLA 模型机制研究：激活注入可驱动 pi0.5 执行 99.6% 的目标任务轨迹
研究者开发可解释性管线研究 Vision-Language-Action 模型的内部计算，向动作专家注入任务 A 的激活可使 pi0.5 在 99.6% 的回合（n=1,968）执行任务 A 的运动轨迹，且该程序绑定绝对工作区坐标、忽略可见场景。
Hugging Face Daily PapersAI 评分4747 HarnessAdapt-RL：训练整个 Agent，而不只是模型
研究者提出 HarnessAdapt-RL，在强化学习中同时训练策略并自适应调整 harness。基于 9B 基座模型，该方法在 SWE-bench Verified、Multilingual 和 Pro 上 pass@1 分别比 GRPO 提升 9.8、12.6 和 6.4 个百分点，并超过配备 OpenHands harness 的 GRPO。
Hugging Face Daily PapersAI 评分5757 Agent4Sci 测试床发布：前沿智能体在科学 ML 基准上的表现与局限
论文提出 Agent4Sci，一个衡量前沿编程智能体能否改进科学 ML 基准已发表最优模型的长程测试床，覆盖 11 个领域共 20 个基准。Claude Opus 平均相对提升 10.4%，但增益几乎全部来自常规 ML 工程技巧而非研究级洞察，并呈现新颖性误判、资源利用不足和快速坍缩为局部工程扫参三类局限。
Hugging Face Daily PapersAI 评分3737 Policy-Mask：扩散模型特征在判别任务上的预算自适应方法
研究者提出 Policy-Mask，一种在给定通道预算下联合选择扩散模型去噪轨迹中时间步、网络块和通道子集的策略方法。它在 ADE20K 分割上达到 38.9 mIoU，CIFAR-100 在 128 维下达到 75.4% top-1，SPair-71k 上达到 76.3 [email protected]，并已适配 PixArt-$\Sigma$ 和 SD3.5 MMDiT 等扩散 Transformer。
Hugging Face Daily PapersAI 评分4444 Cache Engineering for Agents：让 LLM 智能体直接控制 KV cache
一项新研究提出 cache engineering 方案，让 LLM 智能体在不修改轨迹、不重新 prefill 的前提下直接控制活跃 KV cache，可通过 drop 排除选中缓存、用 repos 调整保留键的位置编码，并配套设计了 AKV serving 引擎。
Hugging Face Daily PapersAI 评分4040 WorldStream：流式交互式 3D 世界模型，支持分层规划与持久状态
WorldStream 是一个开放式 3D 世界模型，具备三项能力：将可玩地形扩展到预设地图之外、响应运行中世界的开放语言指令、并按编辑记录恢复已访问地点。它用 Macro/Micro 分层规划器生成结构化决策，由确定性本地代码编译为地形、道路、聚落、植被和实体，单一世界记录保留规划、种子、对象身份与可变状态，支持有状态 NPC 交互。
Hugging Face Daily PapersAI 评分4444 Qwen-Audio-3.1-ASR 技术报告
阿里千问发布 Qwen-Audio-3.1-ASR 技术报告，这是在 Qwen-Audio-3.0-ASR 基础上改进语音识别并扩展说话人分离转录与通用音频理解能力的音频语言模型系列。
Hugging Face Daily PapersAI 评分4848 DiffResearch：用扩散语言模型加速深度研究
DiffResearch 是一个开源多智能体深度研究框架，将扩散语言模型（dLLM）用于规划、检索、写作等全部环节，并以 Apache-2.0 许可发布。
Hugging Face Daily PapersAI 评分5757 AI 研究团队自主发现线性注意力架构的论文提出多学科智能体协作设计
论文提出由不同学科背景、保留私有研究历史并通过自适应分配获得研究机会的持久 AI 研究员组成的团队，用于自主探索线性注意力架构。该团队在 1.3B 规模的语言建模、常识推理和检索任务上超越 GDN2。消融实验显示，去掉学科背景、私有历史或自适应分配中的任一组件，发现质量都明显下降。
Hugging Face Daily PapersAI 评分4343 AgenticRoboRL：将编码智能体后训练方法引入机器人规划器
研究者推出 AgenticRoboRL 框架，用监督微调结合多轮强化学习对不同机器人 harness 的规划器做后训练，通过 harness 专属适配器统一 RL 训练流程。在 LIBERO-PRO 上，9B 参数规划器的成功率从 18.1% 提升至 71.0%，接近 Codex（GPT-5.5）配合外部记忆达到的 72.1%。框架与训练好的规划器 checkpoint 将开源发布。
Hugging Face Daily PapersAI 评分4040 扩散语言模型智能体间的隐藏消息：潜在通信的因果证据
一项 NeurIPS 2026 DiffuLM Workshop 接收的研究测试了扩散语言模型智能体能否通过连续隐状态传递隐藏消息：发送方将去噪状态压缩为四个带符号稠密向量供接收方使用。
Hugging Face Daily PapersAI 评分4242 StreamEval：交互式流式视频生成模型评测基准
研究者推出 StreamEval，一个面向交互式流式视频生成的统一基准，涵盖 avatar 对话、avatar 表演、世界生成、指令编辑和参考编辑五类任务。基准包含 300 个时长 15-300 秒的脚本化测试用例，从任务执行、状态一致性、视觉保真度和视听协调四个维度、十项指标按 0-100 分评估。