TokenGate 让大模型预填充提速最高11.3倍，峰值内存降3.4倍
研究人员提出 TokenGate，一个可挂在现有大模型上的小型可学习模块，能在长上下文预填充阶段跳过无关 token，从而降低首 token 时延和显存峰值，同时宣称不损失精度。
分类： AI 资讯
让大模型做CAD机构：FunCAD-Harness用物理测试暴露肉眼看不见的机械故障
2026年10月19日，alphaXiv收录的一项研究提出FunCAD-Harness框架，让大模型智能体在CAD里设计机械机构，并通过按候选方案自动绑定物理测试、用仿真反馈迭代修改，来暴露视觉上看不出的功能失败。
StebBench 发布：最强模型步骤排序正确率仅 63%
一款名为 StebBench 的新基准，从 wikiHow 整理 6,885 条流程，专门诊断 AI Agent 在步骤缺失、错序和内容错误上的表现；结果最强模型在步骤排序任务上正确率仅 63.0%，长流程骤降到 33.1%。
BlenderWorld 基准测试：13 个前沿模型在 3D 创作任务中的真实表现
Hugging Face Papers 收录的论文摘要提出 BlenderWorld，这是首个面向真实 3D 创作任务的综合基准，包含 223 个任务和 2651 条二元评分细则；在 13 个前沿模型测试中，GPT-6-Astra 综合分最高，为 79.9。它值得关注，是因为它暴露了当前模型在 3D 空间一致…
Interlock 用类型化完成图补长任务缺口，Qwen3.6 微调通过率涨 4 个百分点
针对长程智能体“局部正确、整体没做完”的问题，Hugging Face Papers 收录的论文提出 Interlock 框架，把任务表示成可校验的类型化完成图；在摘要报告的实验中，基于其自采轨迹微调 Qwen3.6 后，多项智能体任务通过率提升约 4 个百分点。
Sauron验证器登顶Hugging Face论文：证据优先核查智能体任务，F1达0.96
Hugging Face Papers 收录的论文提出证据优先的智能体验证器 Sauron，在摘要给出的评测中超越 Gandalf 等基线，F1 达 0.96，旨在减少智能体自报成功和评分标准误判带来的奖励偏差。
FineSplat 提出前馈 3DGS 新框架：用细粒度图像块与双重分组提升细节重建
Hugging Face Papers 收录的论文 FineSplat 提出一种以前馈方式运行的 3D Gaussian Splatting 框架，用细粒度图像块加双重分组策略提升几何和外观细节，在不增加甚至减少高斯数量的前提下取得更优结果。不过目前只是论文摘要，实验细节和可复现程度仍待核验。
Physical RSI能力从哪来？新论文提出五轴指标与”物理桶”假设
一篇2026年10月发布在Hugging Face Papers上的论文，提出用五轴指标量化视觉语言模型的物理递归自我改进能力，并给出“物理桶”假设来解释不同能力如何约束改进的不同环节。该研究目前仅公开摘要，尚非正式产品或同行评审结论。
HAF-VLA：把人形机器人全身动作拆成三阶段生成，真实任务均分提升15分
alphaXiv 收录的论文 HAF-VLA 提出分层动作流框架，让预训练 VLA 模型按“移动与头部—腰部—全身操作”三阶段生成人形机器人动作，在六个真实机器人任务上的平均归一化得分高于基线 π0.5 约 15 个百分点。
概率平滑新解法：最优传输DRO让未见类别不再一视同仁
2026年10月19日发布于alphaXiv的一篇论文提出用最优传输模糊集替换q范数模糊集，使概率平滑能利用类别间相似性，并证明任何满足条件的DRO都等价于最大熵估计。