ProbabilityBench发布：用精确真值概率评测模型不确定性
Hugging Face Papers 收录的 ProbabilityBench 提出一个带精确真值类别概率的基准，让模型不确定性评测和校准指标本身都能被量化检验。它值得关注，因为长期困扰概率校准研究的“真值不可知”问题，在模拟环境中被绕开了。
celebrityanime
NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 74B-A9B，美国开源权重模型登顶
NVIDIA 于 2026 年 10 月 15 日发布 Nemotron 3.5 Super VL 和 Nemotron 3.5 Bolt 74B-A9B 两款开源权重模型。Super VL 以 26 分成为 Artificial Analysis 智能指数上得分最高的美国开源权重模型，Bolt 则以 74B…
JSSA 稀疏注意力：128K 上下文解码吞吐达全 KV 的 6.43 倍
一篇新论文提出 Joint Subspace Sparse Attention（JSSA），用共享低维查询—键子空间做 token 级选择，并配套免聚集的注意力内核，在 128K 上下文下把解码吞吐做到全 KV 注意力的最高 6.43 倍，同时精度接近全 KV。
SafeDriveVLA：导航条件世界模型让驾驶VLA识别冲突指令
2026年10月14日，Hugging Face Papers 收录的 SafeDriveVLA 论文提出一种能识别“不安全导航指令”的驾驶 VLA，并首次把导航跟随、冲突意识与对抗鲁棒性放在同一基准下评测。
feat: api/sdks, optionally set timestamp when creating a score
该问题出现在使用 Langfuse Python/JS SDK 批量创建 score 时，score 的时间戳总是被设为打分当下，无法对齐到原始 trace 时间。优先确认你使用的 Langfuse 服务端版本和 SDK 版本是否已支持创建 score 时传入可选 timestamp 。
Bug: Experiment comparison header shows inverted improvement/regression counts
该问题出现在 Langfuse 实验对比（Experiment comparison）视图的分数列头部，头部聚合的 improvement/regression 计数与左侧 observation panel 相反；优先核对头部聚合逻辑，而不是怀疑底层打分数据。该问题已在 PR #17929 中修复
metadata, config and modelParameters are typed as objects in some schemas and untyped in others
这个报错通常出现在用 OpenAPI 规范生成 SDK 客户端时，某些 schema 把 metadata 、 config 、 modelParameters 等字段声明为 object（带 additionalProperties: true ），而另一些 schema 又完全没有声明 type
InfiniSplat v2 如何改进前馈 3DGS：冻结几何、只训属性
alphaXiv 上公开的 InfiniSplat v2 提出把前馈 3D 高斯重建中的几何预测冻结、只训练高斯属性，在六个数据集的前馈评测中取得更低的感知误差指标。
RePR 提出生成式表征学习：作为扩散模型分词器，FID-50K 达 2.18
alphaXiv 上的一篇新论文提出 RePR，用生成模型的预测增益来训练图像分词器，在同等训练算力下让扩散生成质量超过直接做像素空间生成，ImageNet 条件生成 FID-50K 降到 2.18。
ReMaRk 提出联合奖励法，修正大模型推荐训练中的回复噪声问题
一篇新论文提出 ReMaRk 方法，指出 Rank-GRPO 在训练大模型推荐器时只随机选取一条回复作为奖励基准，导致优势估计中约 85% 的方差来自“抽到哪条回复”而非推荐质量本身。ReMaRk 改为对请求整体联合奖励，并在多个主干模型上取得更高训练效率。