celebrityanime

RoTA-Bench：GPT-5.6-Sol 三维旋转对齐成功率仅17%，人类满分

Hugging Face Papers 收录的 RoTA-Bench 用交互式 3D 到 2D 投影对齐评测视觉语言模型的空间推理能力；在 100 项测试集中 GPT-5.6-Sol 仅成功 17%，而 20 名本科生集体完成后成功率达 100%。

一篇新论文提出让多智能体自动完成 SFT 数据研究中的比例调整、剪枝、修复、替换与合成等多类数据操作，并在 IFEval、IFBench 和 MBPP+ 上观察到较单智能体更稳定的提升。

浙江大学等团队提出 VLA-Δ，用“当前到未来状态的物理变化”作为显式监督目标训练视觉-语言-动作模型，在 LIBERO 和 RoboTwin 上达到有竞争力的水平，真实机器人实验超过了 π_{0.5}。

Hugging Face Papers 收录了一篇名为 Mosaic 的论文，提出多会话智能体强化学习方法，用无 critic 的分层优化替代把轨迹优势广播给所有会话的常见做法，并称在 BrowseComp 上以更少会话取得更好表现。

一篇发表于2026年10月15日的论文提出后训练方法并训练出35B混合专家（MoE）智能体模型MLExpert，在MLE-Bench Lite上把基础模型的平均奖牌率从37.9%提升到72.7%，让大模型自主完成长周期机器学习工程更接近可用。

在 LobeChat 中配置记忆功能时，如果「记忆向量化」的模型选择器里只列出对话（chat）模型、看不到 Embedding 模型，通常是自定义 Embedding 模型缺少类型推断逻辑，被系统默认归类为 chat 模型所致。优先检查自定义模型名称是否包含关键词，或确认版本是否已包含相关修复。

一篇2026年10月16日发布在arXiv的新论文，尝试用算法信息论严格定义“组合结构”，并反过来生成具有层次化部件复用特征的字符串和图像，为理解神经网络深度和构建组合型训练数据提供了新视角。

2026 年 10 月 16 日，arXiv cs.AI 收录的一篇新论文提出 MAIAM 模型，试图把“模型能力上限”和“谁能获得能力”拆成两个独立问题。它主张前沿 AI 应按用途、安全和能力分级开放，而不是简单地在 API 与开源权重之间二选一。

arXiv 2026年10月16日上线一篇新论文，提出用答案集编程（ASP）为交互运动轨迹生成可检查的预测假设，并在Argoverse 2基准上做了初步评测。

arXiv 新论文指出，技能与策略协同进化的智能体在部署后若技能库发生漂移，性能可能大幅下滑，最坏情况下会抹去相对无技能基线 52% 至 93% 的增益。论文提出 CODA 评测协议来审计这一盲区。