SpatialScout 基准发布：VLM 智能体主动建 3D 地图，最强模型重叠分仅 41.71%
Hugging Face Papers 收录的一篇论文提出 SpatialScout 基准，专门考察视觉语言模型（VLM）智能体能否通过主动探索，为室内场景中的目标物体估计三维坐标并构建度量地图。目前公开摘要显示，表现最好的 Claude Opus 5.5 平均重叠分只有 41.71%，说明从粗略物体布局到精…
celebrityanime
issue: Screen readers aren’t told whether an archived chats search found anything
该问题出现在 Open WebUI 的“设置 → Archived Chats”页面使用搜索框时：列表会筛选，但屏幕阅读器（Issue 中为 Orca）不会收到匹配数量或“无结果”的播报，只回显用户输入。它属于无障碍播报缺失，不是后端搜索失败；优先排查前端是否加载了包含无障碍状态行的修复版本。
issue: context usage gauge ignores the model’s own compaction threshold
该问题出现在 Open WebUI 开启上下文压缩、且为某个模型单独设置了更低的 compact_token_threshold 时： / 弹出层里的上下文占用百分比仍按全局阈值计算，而实际自动压缩按模型阈值触发，因此显示值与实际行为不一致。优先排查模型级阈值是否未传到前端、以及服务端计算上下文占用
Tokenizer adds an additional space after the added token
这个报错通常发生在使用基于 SentencePiece/Metaspace 的 tokenizer（如 NLLB-200）并通过 add_tokens() 添加词表外片段后，当新增 token 后面紧跟其他字符（而不是空格）时，tokenizer 会在新增 token 之后额外插入一个空格。优先排查
Error: 500 Internal Server Error with new model Flint
该报错通常发生在使用 Ollama 加载新模型 Flint 时，底层 llama-server 进程因无法识别模型架构而退出。优先确认当前 llama.cpp 与 Ollama 大版本是否已包含 Flint 架构支持，而不是先排查显卡或显存问题。
StreamEval 发布交互式流式视频生成基准：37 个模型测试，请求执行仍是短板
Hugging Face Papers 收录的论文提出 StreamEval，一个覆盖五类任务的交互式流式视频生成统一基准，用 300 个测试用例评测 37 个模型，结果显示视觉质量高不等于能可靠执行用户请求。
PrismaCoder开源多模态代码智能：9B/35B模型与2M数据集挑战闭源
2026年10月发布在 Hugging Face Papers 的论文提出 PrismaCoder，用“拆解式评分标准”同时完成数据筛选和强化学习奖励，构建 200 万样本的多模态代码数据集，并开源 9B 与 35B 两个模型，称在视觉编程任务上大幅领先开源界，接近闭源系统。
arXiv论文提出多智能体复合AI系统：用大模型对话调优头颈癌质子放疗计划
一篇 arXiv 新论文提出把深度强化学习自动生成放疗计划与基于 Qwen3-14B 的多智能体对话调整结合起来，用于头颈癌质子笔束扫描治疗计划。目前只公开了摘要，属于研究框架而非上线产品。
AgentPolicyForge用可执行环境训练策略护栏，攻击成功率最多降44%
arXiv 上一篇新论文提出 AgentPolicyForge 框架，把策略约束做成可执行环境来生成测试集并反复训练策略护栏，摘要称其在自建 PolicyGym 测试集上把攻击成功率相对降低约 40%–44%，值得关注的是它试图解决“只靠提示词管不住 Agent 越权调用工具”的老问题。
PerMIT 论文提出可机器校验的 LLM Agent 持久记忆完整性方案
arXiv 上一篇新论文提出 PerMIT 记忆架构，试图用“可信输入闸门 + Lean 4 机器校验的完整性定理”限制 LLM Agent 持久记忆被注入和投毒的风险，并让记忆能在多 Agent 间共享。目前仅为论文摘要，尚无已上线产品。