融合多范式AI诊断罕见病：FusionRare在2528例隔离病例上取得最高优先级诊断表现
arXiv 新论文提出 FusionRare，把符号推理、深度学习、病例检索和大模型推理融合到一个框架中，在 2,528 例严格隔离的临床病例上声称将罕见病诊断的 Recall@1 提升到表型-only 51%、表型+基因 79%。目前信息仅来自论文摘要，尚不能视为已上线产品或经过同行评审的临床工具。
celebrityanime
DeOverlay 提出视频覆盖物去除新方法，并发布 1631 对视频评测集 DVTE-Bench
2026 年 10 月 19 日发布在 Hugging Face Papers 的论文提出 DeOverlay 视频覆盖物去除模型和配套评测集 DVTE-Bench，目标是在去除字幕、标题、台标等遮挡后尽量还原原始画面。摘要称其在五项重建与感知指标上均优于四个基线。
arXiv新论文Mirror：无需动作数据，视频模型靠环境交互自学执行计划
arXiv 2026年10月20日出现一篇新论文，提出自监督方法 Mirror，让视频到动作模型通过与环境的交互自学，不依赖预先收集的动作数据或手工奖励。它值得关注，是因为视频生成模型能否在机器人、游戏中真正“执行计划”，长期受制于动作数据稀缺。
TorchTPU亮相：谷歌与Meta打造PyTorch原生TPU后端，兼顾eager与编译
arXiv 2026年10月20日发布的一篇新论文介绍了 TorchTPU——谷歌与 Meta 开源合作的 PyTorch 原生 TPU 后端，目标是让模型开箱即跑在 TPU 上，并兼顾推理与训练性能。据摘要信息，它通过 eager 执行优化、torch.compile 集成和硬件原语加速实现这一点。
arXiv论文提出“条件无毛定理”：大模型生成越长越忘提示词，影响AI应用
arXiv 上一篇新论文提出“条件无毛定理”，指出自回归 Transformer 在生成文本时，对原始提示词（prompt）的记忆会随生成长度按幂律衰减；这意味着提示词的影响会逐渐消失，后续输出更多依赖已生成的文本本身。
多模态对齐三路线对决：联合、解耦与智能体谁在144组任务中胜出
arXiv 新论文系统比较了联合预训练、解耦预训练和智能体三种多模态对齐范式，发现没有一种方案全面占优，胜负取决于任务类型和标注预算，并提出了可提前选型的诊断式路由方法。
TCoVP提出视频分割新框架：把时空证据串成推理链
Hugging Face Papers 收录的论文提出 TCoVP，用带时间戳和空间证据的“视频基元”替代纯文本 CoT，让视频推理分割的推理过程落到画面上，并在五个基准、三个骨干模型上做了实验。
arXiv新论文提出Cache2LoRA：文档转LoRA更新，32K场景解码吞吐提升5.9倍
arXiv 于 2026 年 10 月 20 日发布的新论文提出 Cache2LoRA，在 17 个任务上以 0.663 的 macro F1 逼近完整上下文 ICL 的 0.671，同时把 32K 文档场景的解码吞吐提升到后者的 5.9 倍，为上下文内化这一技术方向提供了更强且更省算力的方案。
AffordanceWAM：用可供性对齐人类视频与机器人动作的世界模型
Hugging Face Papers 公开的论文 AffordanceWAM 提出一种可供性感知的世界-动作联合模型，尝试用人类第一视角视频补足机器人动作数据稀缺的问题。按摘要所述，其价值在于把“哪里可以交互”变成连接视觉预测与动作生成的共享接口。
机器人集群共享经验：新框架CEL让部署中的失败变成通用策略升级
Hugging Face Papers 收录的一篇论文提出“集体经验学习”（CEL）框架，让部署中的机器人共享执行经验来改进同一策略，无需人类遥操作纠正即可提升可靠性。这为机器人规模化落地提供了一条不依赖持续人工介入的学习路径。