![[Bug]: Anthropic streaming with response_format and tools reports finish_reason "stop" when a user tool is called](https://www.chat-gpts.plus/wp-content/uploads/2026/10/45082-866d3e0c-768x403.jpg)
当你在 LiteLLM 中同时对 Anthropic Claude 使用 stream=True 、 response_format （走 json_tool_call 路径）和 tools 时，如果模型在同一轮里既调用了内部 JSON 工具又调用了用户工具，流式响应会错误地把 finish_rea
一项名为 LongR 的新研究提出用“推理与查文档交替”的机制，加上基于相对信息增益的密集奖励，来提升大模型的长上下文推理能力，论文摘要称在 LongBench v2 上取得超过 9% 的提升。
论文 AutoEnvScaling 让一个智能体扮演“出题者”，根据另一个智能体在终端任务中的失败记录自动生成并验证新的强化学习环境，在 Terminal-Bench 2.1 上带来最高 12.2 分的提升，目前仍属研究阶段的方法验证。
研究者用 268 组 MoE 实验拟合出文本、视觉、音频的混合数据缩放定律，发现不同模态的算力最优分配并不相同，视觉与音频之间存在明显的不对称干扰。
LightVAE 提出一套针对视频 VAE 的压缩与加速框架，在 Wan、MiniMax-H3 等骨干上把解码吞吐最高提升至原来的 2.97 倍，并保持接近原始模型的生成质量。对视频生成应用而言，这意味着推理端最重的环节之一可能不再是瓶颈。
alphaXiv 收录的论文提出 SpecWM，通过指定观测之间的目标相似度来决定世界模型保留哪些信息；在 OGBench 与 CALVIN 模拟任务中，其规划成功率明显高于对照方法 LeWM。
一篇 2026 年 10 月发布在 alphaXiv 的论文提出“弱到强验证器加固”方法：把评分逻辑放进隔离沙箱，用黑客-修复循环自动找漏洞并打补丁，在 Terminal Bench 等三个智能体环境上降低了奖励攻击成功率。它值得关注，因为奖励攻击会让大模型训练和评测的分数失真。
alphaXiv 2026年10月12日收录的论文提出 HarnessTTT，让一个可训练“提案器”在测试时学习生成系统提示、工具与执行控制，冻结的小模型执行器据此搜索科研解，在多项发现任务上超过同类基线。
alphaXiv 2026年10月12日展示的论文提出 DuoDiscover 搜索系统，用“木尺”代理评测绕开动辄数小时的昂贵真实验证，在软件、GPU/TPU 内核和 CPU 芯片设计任务上取得显著优化，直指自主发现的评测瓶颈。
alphaXiv 上的一项研究提出 LLM-to-Flow Distillation（LFD），让冻结的大模型充当“教师”，把“生成有抗癌潜力的多肽”这类自然语言目标拆解成可学习的子目标，再通过 DPO 逐步蒸馏进专业流式生成器，无需显式代理奖励。