ProD蒸馏法提升小模型智能体效率，缓解长任务停滞循环
Hugging Face Papers 收录的一篇论文提出 Progress-Aware Distillation（ProD），针对小语言模型智能体在长轨迹任务中陷入反复失败循环的问题，在蒸馏阶段检测并惩罚停滞行为。据摘要，该方法在 8 个 0.6B 至 8B 参数模型上进行了测试，但论文全文实验细节尚未核验…
分类： AI 资讯
ECHO: 把多 token 预测并入自回归目标，底层模型兼任草稿器
Hugging Face Papers 上的一篇论文提出 ECHO：让骨干模型最后一层自己预测多个未来 token，并用动态深度采样控制训练成本，省掉多 token 预测（MTP）常设的辅助模块和额外前向。若结论成立，多 token 预测会更像训练目标的一部分，而不是外挂任务。
WildAWM用开源模型合成电脑操作环境，训练Qwen模型在8项基准上提升
alphaXiv 收录的论文提出 WildAWM，一套用开源模型合成 GUI、MCP 与命令行三合一电脑环境及任务的流水线，生成 341 个长程任务对，并在其上训练 Qwen 模型验证跨任务迁移。
同一批护栏模型分数差23倍：论文指安全基准测的是标签定义而非模型能力
一篇发表于 Hugging Face Papers 的论文摘要指出，同一批约 5.3 万条提示用两种“不安全”定义分别标注、训练出的十个护栏模型，在同一基准上的分数差距可达 23 倍，说明部分安全评测衡量的其实是标签里的政策定义，而不是模型本身的检测能力。
Muse Glimmer 30B 开源：瞄准消费级本地智能体的密集模型
alphaXiv 于 2026 年 10 月 17 日展示的论文提出 Muse Glimmer——一个 30B 参数、Apache 2.0 许可的开源因果语言模型，主打在消费级硬件上本地运行多步推理与工具调用，并以约 4-bit 量化降低单卡推理门槛。
Hugging Face论文提出StopLoss：小模型提前止损，降低编程智能体验证成本
Hugging Face Papers 收录的论文提出 StopLoss，一个基于完成轨迹和验证结果训练的小型外部监控器，可在编程智能体大概率失败时提前终止运行，以更低成本换取资源节省。
alphaXiv 论文提出 Agima 框架：让单一全能模型先想象再行动
alphaXiv 收录的一篇论文提出 Agima 训练框架：用一个同时负责语言推理与图像生成的全能模型，先“想象”动作后果再决定执行；在 Sokoban 等任务中，这种训练方式优于只看动作历史、不做想象的规划器。
LIBERO-Industry 基准发布：216个任务评测工业约束下的机器人操作
Hugging Face Papers 于 2026 年 10 月 15 日收录论文摘要，提出基于 LIBERO 的新基准 LIBERO-Industry，用 216 个任务系统考察产品变体、物料流动、有限执行窗口和几何公差等工业约束对通用机器人策略的影响。
ACEdit 提出非对称条件训练，缓解多轮图像编辑退化
Hugging Face Papers 收录的论文 ACEdit 提出一种新的训练方案，针对多轮图像编辑中编辑质量逐步下降的问题，通过让模型在自己的输出上训练，并用教师模型提供监督信号，在论文摘要所述的实验中明显减少长序列编辑的退化。
无需多模态安全数据：MARS 借文本拒绝方向提升多模态模型安全性
一篇发表于 Hugging Face Papers 的论文提出训练自由方法 MARS，尝试只从 LLM 主干中提取“文本拒绝方向”，就为图像、视频等多模态输入注入安全约束，从而绕开多模态安全数据难收集的问题。