arXiv 论文提出首个以 LLM 为参照机的 C-test，可生成超智能难度考题
arXiv 2026 年 10 月 14 日收录的一篇论文提出首个以 LLM 为参照机的 Levin Kt 测试，能动态生成高难度推理题，并在一批大模型上出现随难度下降的得分曲线。
celebrityanime
SwitchMem提出GUI代理记忆模态动态路由，三种基准超越静态记忆基线
一篇新论文发现，视觉语言模型驱动的 GUI 代理在不同操作步骤中偏好的记忆表示方式并不固定，于是提出 SwitchMem 框架，在每一步动态选择文本或视觉记忆，在三个 GUI 基准上优于固定使用单一记忆模态的基线。
人大团队提出Ares优化器：让大模型强化学习按梯度谱自适应调整更新秩
针对大模型可验证奖励强化学习（RLVR）中优化器仍沿用监督训练思路的问题，中国人民大学 RUCAIBox 团队提出自适应秩优化器 Ares，根据梯度谱能量分布动态调整更新秩，在多个模型规模与 RLVR 任务上报告了优于常用优化器的准确率。
AReA为高分辨率DiT图像生成提供免训练注意力方案
Hugging Face Papers 收录的一篇论文提出 AReA，一种免训练的注意力机制，让 Diffusion Transformers 在超出训练分辨率生成图像时减少结构扭曲与细节退化，同时提升速度与效率。摘要称其在目标分辨率和不同模型上优于现有免训练基线，但尚未核验全文实验。
TPPO 改进 PPO 价值追踪，数学推理较 PPO 提升 7.0 与 8.4 分
2026 年 10 月 12 日 Hugging Face Papers 收录的论文提出 TPPO，用累积价值参数化改善 PPO 在稀疏终局奖励下的价值追踪，在 Qwen3-4B-Base 和 Qwen3-8B-Base 上数学推理总分较 PPO 分别提升 7.0 和 8.4 分。
BranchOPD 分支式同策略蒸馏：数学平均准确率提升 18.55 个百分点
Hugging Face Papers 于 2026 年 10 月 9 日收录的论文提出 BranchOPD，用学生不确定性和师生分歧挑选分支点，在共享前缀上重采样，让同策略蒸馏一次采样覆盖更多行为路径；摘要称其在数学与 ALFWorld、WebShop 智能体任务上全面超过 Vanilla OPD 和 7…
GeoFix：用单一几何奖励提升4D生成一致性，WorldScore提升39%
视频扩散模型生成4D内容时常出现几何不一致，GeoFix提出用单一几何奖励进行训练与推理对齐，在WorldScore 3D一致性上提升39%，VBench质量分提升4%。
ExeWorldBench发布：首个评测代码化可执行3D世界建模的基准
Hugging Face Papers 2026年10月10日收录的论文摘要提出 ExeWorldBench，一个用代码化3D世界构建来同时评测“世界理解”与“可执行实现”的新基准，前沿模型在该测试中表现有限。
ReVeR 提出点式评分奖励模型：从指令推导评分标准
一篇 2026 年 10 月发布在 Hugging Face Papers 的论文提出 ReVeR，一个按指令独立生成评分标准、并用工具辅助裁判来打分的过程奖励模型，试图减少传统评分模型因参考候选回答而产生的偏差。
EgoExplorer 发布 100 小时穿戴式动捕数据集，误差较基线降 71.9%
Hugging Face Papers 收录的论文摘要显示，研究者提出 EgoExplorer 穿戴式观测系统，录制了 100 小时人类移动操作的多模态数据，并用 Calibrate-Complete-Constrain 流程在稀疏传感下重建全身运动，相比最强基线将身体点误差降低 71.9%。这为从人类演示中…