celebrityanime

Agent4Sci 新基准：前沿编程智能体提升科学 ML 全靠工程技巧

arXiv 上一篇新论文提出 Agent4Sci 基准，用 11 个领域的 20 个科学 ML 任务检验前沿编程智能体，结果显示 Claude Opus 相对已发表最佳模型平均提升 10.4%，但提升几乎全部来自常规 ML 工程技巧，而非研究级洞察。

arXiv 上的一篇新论文提出多模型协作框架 SpecEvo，让轻量模型负责日常搜索、前沿模型只在关键节点介入，据称在 176 个科学发现任务上可降低最多 80% 的 API 成本，同时不弱于前沿模型基线。

Hugging Face Papers 收录的论文提出 Spectral-Spatial Interpretation（SSI），为多光谱图像模型生成“位置×通道”的完整归因矩阵，而非单张热力图或全局通道排名。其价值在于让开发者能同时追问模型在多光谱图像的哪个位置、依赖哪些波段做出判断。

一篇 arXiv 新论文用 120 组训练配置，系统测试了具身智能体在多个虚拟世界中进行持续预训练（CPT）的效果，发现数据量、多样性与模型规模各有取舍，单靠 CPT 难以让模型泛化到差异很大的新世界。

Hugging Face Papers 收录的论文提出 HarnessAdapt-RL，在强化学习过程中同时训练策略模型并自动调整代码智能体外部工具链（harness），9B 基座模型在 SWE-bench Verified 上比 GRPO 提升 9.8 个百分点。

arXiv 新论文提出 ClariEdge 数据集，并用约 3,900 条样本微调 LoRA 小模型，使 RAG 系统识别歧义查询的分类准确率达到 96.6%，在摘要所述评测中超过多个大模型提示词基线。该结果尚未经全文实验与同行评审核验。

2026年10月21日，研究团队在 Hugging Face Papers 发布论文摘要，提出 DONIC 双手灵巧追踪策略及 BiHOI 多视角数据集，称单一检查点在未见轨迹上达到86.79%成功率，比现有双手追踪基线高出77.36个百分点。

Hugging Face Papers 收录的论文 PhysLDM 提出用统一的时空潜空间加潜扩散模型，一次性预测高分辨率体积可形变物体的运动轨迹，并声称可零样本泛化到未见过数据。它值得关注之处在于，探讨了“回归还是扩散”这一神经仿真路线选择。

Hugging Face Papers 于 2026 年 10 月 19 日收录论文 PVBench，提出用物体级物理量测（6D 位姿、度量尺度、运动学、守恒律残差等）评价视频生成模型“物理上是否可信”，而非只看画面好不好看。

Hugging Face Papers 收录的论文 TextRIRO 提出用真实图像自身构造配对监督来训练场景文字编辑模型，试图绕开合成数据带来的真实感差距；这对依赖文字修改的图像编辑与 OCR 训练数据生产有参考价值。