分类： AI 资讯

arXiv发布Physical AI综述：定义框架、技术全景与通向Physical AGI的挑战

arXiv 于 2026 年 10 月 21 日发布一篇 Physical AI 专题综述（arXiv:2610.27045v1），尝试为这一概念尚未统一的领域给出定义、技术版图与核心挑战，并明确提出从窄域自动化走向 Physical AGI 的路线问题。

arXiv 2026年10月21日上线的一篇新论文提出 M-Plan，一个把长期记忆与短期记忆整合进闭环的多智能体框架，目标是让大模型智能体在缺少先验训练的长程多轮任务中表现更稳。摘要称其在 ALFWorld、Webshop 和 PDDL 上优于多个基线，但该结论目前仅来自摘要，尚未核验全文实验。

arXiv 2026年10月发布的一篇新论文提出 SPOKE 方法，把教师相对价值惩罚、策略锚定、风险约束与结构化推理监督结合起来，训练小型语言模型在隐藏信息博弈中做出更优策略决策，在Kuhn和Leduc扑克测试中取得更低的平均可剥削度。

arXiv 上的一篇新论文提出 LightCRS，用一个约 530 万参数的共享模块统一处理多个商品领域的多模态对话式推荐，并构建了覆盖 25 个领域的新基准 MM-R2A-25。它值得关注，是因为给出了“多域统一”与“延迟可控”之间的一种轻量解法，但结论目前仅来自论文摘要。

一项新论文系统比较了在策略自蒸馏（OPSD）中16种特权信息（PI）配置，发现PI的内容、生成来源和学生模型都会影响效果；研究还提出用KL类指标在训练前预判PI是否有效。

一篇 arXiv 新论文发现，在多智能体大模型系统中，协作通常能提升临床任务成绩，但并不能稳定降低推理过程中的幻觉；决定幻觉水平的主要是底层模型，而不是智能体拓扑结构。

arXiv 于 2026 年 10 月 21 日收录一篇新论文，提出 SPEM 框架，用“原子技能库 + 技能 DAG 记忆”替代全量加载和扁平检索，试图在技能库变大时兼顾 LLM 智能体的任务成功率与 token、运行时成本。

一篇 arXiv 新论文指出，评测大模型做经典规划任务时，应把“结构复杂度”和“符号语义可读性”分开看；现有的符号启发式已能较好预测结构难度，真正制约 LLM 规划表现的是谓词语义理解。

Hugging Face Papers 收录的一篇论文提出 EdgeKernelBench 基准和 LEKA 智能体，系统评测大模型为异构边缘后端生成算子内核的能力。摘要显示：模型首次生成可编译正确率达 64.5%，但性能达标率只有 25.5%，说明“能跑”和“跑得快”之间仍有明显差距。

一篇 arXiv 新论文提出 MAMath-Bench，用 1003 道覆盖文本、图像、音频的多模态数学题，同时考察多智能体系统答案是否正确、推理过程是否可靠、以及面对对抗性推理链扰动时是否稳健。摘要显示，多智能体协作未必能稳定超过强单模型。