Video-Point Model 联合预测多视角视频与点轨迹，VPM-Data 多视角数据用于训练评测
Hugging Face Papers 收录的论文提出 Video-Point Model（VPM），以多视角视频历史与语言指令为条件，联合预测任意视角下的未来视频和场景点的 3D 轨迹。其重点是把每台相机的外观变化锚定到同一份 3D 运动描述上，目前公开信息仅为论文摘要。
分类： AI 资讯
两比特压缩嵌入表：N-Gram 记忆量化让 DeepSeek 查表存储从 203GB 降至 51GB
一篇 2026 年 10 月 16 日发布在 Hugging Face Papers 的论文提出“条件程序”（CP）表示法，把大模型条件记忆中的嵌入查找表压到 2 比特级别，摘要称在 DeepSeek 场景下可将表存储从 203GB 降到 51GB，从而为 GPU 上保留更大的查找表腾出空间。
扩散模型训练新方法Swift：用弱模型引导强模型，一半算力追平基线FID
Hugging Face Papers 上的一篇论文提出 Swift，用冻结的早期弱去噪器为强模型外推训练目标，不增加推理开销，在 ImageNet-256 上约用一半训练算力达到基线最佳 FID。
PhysSkin++：免逐物体训练，实时物理动画可跨形状泛化
2026 年 10 月 19 日，Hugging Face Papers 收录论文 PhysSkin++，提出从静态几何中自监督学习神经蒙皮场，无需逐物体训练即可构建紧凑形变子空间，目标是让实时物理动画泛化到不同 3D 形状与空间离散方式。
StreamingSwap 论文：单卡 RTX 4090 上实现 20 FPS 实时视频换脸，可稳定生成 10 分钟长视频
Hugging Face Papers 收录的一篇论文提出 StreamingSwap，面向长视频流的实时换脸框架，作者称在单张 NVIDIA RTX 4090 上达到 20 FPS，并能对最长 10 分钟的视频保持稳定生成；这些结果来自论文摘要，尚待独立复现。
FocusGUI轻量适配器提升全模态GUI智能体任务匹配率
Hugging Face Papers 收录的论文提出 FocusGUI——一个不微调主干模型的轻量适配器，让 GUI 智能体按步骤动态聚焦多模态观察。据摘要，它在四个全模态主干上平均把 Type Match 提升 33.2，Exact Match 提升约 3 倍。
MMEnterprise-Bench发布：1613题专测企业智能体处理多模态冲突与无答案能力
Hugging Face Papers 收录的论文提出 MMEnterprise-Bench，用 1,613 道题评估企业智能体在持续变化的多模态工作记录中能否找齐证据、化解冲突并识别证据不足，结果显示主流多模态大模型在这些场景仍明显吃力。
SolarRenderer 发布：冻结 33B 视频模型，四步完成结构条件渲染
Hugging Face Papers 收录的论文摘要显示，SolarRenderer 通过在冻结的 MiniMax-H3 33B 视频骨干上挂载两个轻量 LoRA，把结构视频直接作为原生参考输入，实现四步生成渲染，并给出相对 50 步采样 12.3 倍提速的对比数据，值得关注的是它试图解决渲染器被单一引擎绑…
35B混合专家模型Sage-A1.5：从长任务执行走向可验证的开放科学探索
Hugging Face Papers 收录的论文摘要介绍了 35B 参数的混合专家智能体模型 Sage-A1.5，它在 A1 基础上强化多子智能体协作、过程校验与开放式科学发现，试图把 AI 从“完成任务”推进到“组织并检验研究过程”。目前公开信息仅为论文摘要，未经全文实验核验。
UniAVC 提出音视频统一生成新框架：用渐进训练与非对称调度处理跨模态任务
2026 年 10 月 17 日上传至 Hugging Face Papers 的论文 UniAVC，提出用单套模型权重覆盖文本生成音视频、双向跨模态生成和指令编辑；其核心是用渐进训练与非对称噪声调度，缓解配对数据稀缺和共享调度不适配的问题。