StreamingSwap 论文：单卡 RTX 4090 上实现 20 FPS 实时视频换脸，可稳定生成 10 分钟长视频
Hugging Face Papers 收录的一篇论文提出 StreamingSwap，面向长视频流的实时换脸框架，作者称在单张 NVIDIA RTX 4090 上达到 20 FPS，并能对最长 10 分钟的视频保持稳定生成；这些结果来自论文摘要，尚待独立复现。
celebrityanime
FocusGUI轻量适配器提升全模态GUI智能体任务匹配率
Hugging Face Papers 收录的论文提出 FocusGUI——一个不微调主干模型的轻量适配器，让 GUI 智能体按步骤动态聚焦多模态观察。据摘要，它在四个全模态主干上平均把 Type Match 提升 33.2，Exact Match 提升约 3 倍。
MMEnterprise-Bench发布：1613题专测企业智能体处理多模态冲突与无答案能力
Hugging Face Papers 收录的论文提出 MMEnterprise-Bench，用 1,613 道题评估企业智能体在持续变化的多模态工作记录中能否找齐证据、化解冲突并识别证据不足，结果显示主流多模态大模型在这些场景仍明显吃力。
SolarRenderer 发布：冻结 33B 视频模型，四步完成结构条件渲染
Hugging Face Papers 收录的论文摘要显示，SolarRenderer 通过在冻结的 MiniMax-H3 33B 视频骨干上挂载两个轻量 LoRA，把结构视频直接作为原生参考输入，实现四步生成渲染，并给出相对 50 步采样 12.3 倍提速的对比数据，值得关注的是它试图解决渲染器被单一引擎绑…
35B混合专家模型Sage-A1.5：从长任务执行走向可验证的开放科学探索
Hugging Face Papers 收录的论文摘要介绍了 35B 参数的混合专家智能体模型 Sage-A1.5，它在 A1 基础上强化多子智能体协作、过程校验与开放式科学发现，试图把 AI 从“完成任务”推进到“组织并检验研究过程”。目前公开信息仅为论文摘要，未经全文实验核验。
UniAVC 提出音视频统一生成新框架：用渐进训练与非对称调度处理跨模态任务
2026 年 10 月 17 日上传至 Hugging Face Papers 的论文 UniAVC，提出用单套模型权重覆盖文本生成音视频、双向跨模态生成和指令编辑；其核心是用渐进训练与非对称噪声调度，缓解配对数据稀缺和共享调度不适配的问题。
ProD蒸馏法提升小模型智能体效率，缓解长任务停滞循环
Hugging Face Papers 收录的一篇论文提出 Progress-Aware Distillation（ProD），针对小语言模型智能体在长轨迹任务中陷入反复失败循环的问题，在蒸馏阶段检测并惩罚停滞行为。据摘要，该方法在 8 个 0.6B 至 8B 参数模型上进行了测试，但论文全文实验细节尚未核验…
ECHO: 把多 token 预测并入自回归目标，底层模型兼任草稿器
Hugging Face Papers 上的一篇论文提出 ECHO：让骨干模型最后一层自己预测多个未来 token，并用动态深度采样控制训练成本，省掉多 token 预测（MTP）常设的辅助模块和额外前向。若结论成立，多 token 预测会更像训练目标的一部分，而不是外挂任务。
WildAWM用开源模型合成电脑操作环境，训练Qwen模型在8项基准上提升
alphaXiv 收录的论文提出 WildAWM，一套用开源模型合成 GUI、MCP 与命令行三合一电脑环境及任务的流水线，生成 341 个长程任务对，并在其上训练 Qwen 模型验证跨任务迁移。
同一批护栏模型分数差23倍：论文指安全基准测的是标签定义而非模型能力
一篇发表于 Hugging Face Papers 的论文摘要指出，同一批约 5.3 万条提示用两种“不安全”定义分别标注、训练出的十个护栏模型，在同一基准上的分数差距可达 23 倍，说明部分安全评测衡量的其实是标签里的政策定义，而不是模型本身的检测能力。