![[Bug]: Text PEFT LoRAs can silently no-op for wrapper models whose LM is mounted under language_model](https://www.chat-gpts.plus/wp-content/uploads/2026/10/48019-e47a4f68-768x403.jpg)
在 vLLM 中给 Qwen3-VL 等“文本主干挂在 language_model 下”的多模态 wrapper 模型加载纯文本 PEFT LoRA 时，适配器可能静默失效（no-op），加载日志无明显报错但输出等同基座模型。优先排查该模型的 hf_to_vllm_mapper 是否缺少裸 mod
![[Bug] TieringOffloadingSpec fs-tier lookup succeeds but never triggers a promotion job (active_promotion_jobs stays 0)](https://www.chat-gpts.plus/wp-content/uploads/2026/10/61373-e203cc31-768x403.jpg)
该现象出现在 vLLM 使用 OffloadingConnector + TieringOffloadingSpec 的 "fs" 二级缓存、两个独立引擎实例共享同一 root_dir 时：B 实例查询 A 写入的前缀后， vllm:kv_offload_tiering_active_promoti
2026年10月15日，Hugging Face Papers 收录的一篇论文提出 MINE-SAMPLE-RENDER（MSR）方法，把生成内容的多样性交给“从真实语料挖掘属性—按统计抽样—模型只做条件渲染”的黑白分离流程，试图缓解生成模型“单件好看、批量雷同”的问题。
HexaShell 让基于 VLM 的编码智能体通过命令行操控双臂机器人，在 RoboDojo 的 42 项任务上取得 39.7% 成功率和 48.0 进度分，被论文描述为该基准的新最优。它值得关注的地方不只在于分数，而在于把智能体的经验固化成了可复用的代码工具。
研究团队联合美国能源部（DOE）国家实验室科学家推出“Into the Unknown”基准，让AI代理基于真实论文撰写后续研究论文；9个前沿代理共提交135篇，全部未满足领域科学家设定的条件，其中114篇未通过完整性检查。这为“AI能否做开放科研”提供了一个可量化的压力测试。
Hugging Face Papers 收录的 BizBench 是一套面向支付业务的多轮长程 Agent 评测基准，不只考核任务是否完成，还检查执行过程中是否违反约束。摘要显示，Claude Opus 5 与 GPT-6 Sol 的严格成功率分别只有 64.0% 和 61.3%。
2026 年 10 月 15 日发布在 Hugging Face Papers 的一篇论文摘要称，GPT-6-Astra 在 12 个机器人操作与导航基准上取得突破性表现，但真实部署仍受演示数据采集成本与物理执行时间制约，结论是“跨过了具身能力门槛，尚未达到实用具身智能”。
Hugging Face Papers 收录的论文摘要提出 DiscoveryRSI 框架，让多智能体通过递归学习迭代科研假设，并发布配套评测基准 DFM-Bench；其 27B 模型在生命科学假设质量与新颖性上给出高于 GPT-6 Luna 的初步评测结果。
当 Open WebUI 的后台任务请求（标题生成、标签生成、追问建议等）没有按预期加载任务模型单独配置的参数，例如 Ollama 的 keep_alive = -1 未生效、模型在任务执行后仍被卸载时，出现该问题。优先排查任务模型的参数是否配置在“被选为任务模型的那个基础模型”上，以及是否有其他请
在 Open WebUI 中，从首页新建会话并启用工具/MCP、技能或过滤器后，发送消息再离开并返回该会话，这些开关会丢失。优先排查会话级开关是否只依赖 sessionStorage 输入草稿，以及草稿键名是否正确。