arXiv论文提出“累积性AI风险”：社交媒体教训或适用于大模型长期使用
一篇2026年10月20日发布在arXiv cs.AI的立场论文提出，AI安全讨论不应只盯着核冲突、生物灾难等极端事件，还要关注日常反复使用中慢慢累积的风险；作者以社交媒体为类比，呼吁把评估重点放到长期使用轨迹上。
分类： AI 资讯
16MB冻结嵌入表替代168M参数：小型模型与三元BitNet的新思路
一篇 Hugging Face 论文摘要提出，用 16 MB、无训练参数的冻结嵌入表替换小型语言模型的大词表，在部分任务上不输可学习嵌入，并让三元 BitNet 模型在笔记本 CPU 上跑出更高速度。
LLM风控诊断新流程：用相似历史交易与SHAP证据解释风险评分差异
arXiv 上一篇新论文提出受控的大模型工作流，用相似历史交易和对比式 SHAP 证据来诊断风险评分差异，测试中比未加结构化引导的同一模型输出更一致、更可追溯。
CoworkEnv 提出可执行训练环境框架，PocketWorker 模型 Claw-Eval 平均分提升至 64.1
Hugging Face Papers 收录的论文提出 CoworkEnv 框架，可根据工作流要求合成可执行的 AI 协作训练环境，并用它训练出紧凑的 PocketWorker 模型。在 Qwen3-VL-8B-Instruct 上，监督微调（SFT）使 Claw-Eval 平均分从 46.6 升至 64.1…
arXiv论文实测：Agent调用工具做算术，准确率99.9%但延迟近百万倍
一篇 arXiv 新论文用 1000 道运算符优先级算术题，对比原生函数调用、REST、SOAP、MCP 微服务、直接调用大模型和 Agent 调工具七类方案，发现在精确计算任务上，确定性方法的准确率与延迟都明显更优。这提醒开发者：Agent 不是默认答案，架构选择要按任务类型来定。
HarnessPro 用递归自改进与 Pareto 优化，兼顾性能与成本
Hugging Face Papers 收录的论文提出 HarnessPro，一种无需标签的智能体框架自改进方法，在提升任务通过率的同时降低执行成本，并可按部署预算输出轻量、均衡、性能三档框架。
GardenBench 发布轻量日常评测基准：追踪大模型逐日表现与成本波动
arXiv 上一篇新论文提出 GardenBench，用 11 组轻量任务和实时看板评测大模型在日常使用中的准确率、运行成本与耗时，并记录模型逐日的性能进步或退化。
视觉智能体工具框架OpenVLHarness论文：多模态记忆加持，22项评测平均提升最高12.6分
Hugging Face Papers 2026年10月19日收录的论文摘要提出 OpenVLHarness，一套面向真实视觉智能体工具调用与持久多模态记忆的推理框架，声称在22项评测上比无工具基线平均高9.7至12.6分。它值得关注，是因为它讨论的是“给模型配外部工具和记忆”，而非继续堆推理算力。
EvoWeb基准发布：评估编码智能体在持续演进Web应用上的表现
Hugging Face Papers 收录的论文摘要提出 EvoWeb 基准，用 320 个累积需求测试编码智能体在持续修改同一 Web 应用时的可靠性，而不只看它能否一次性满足固定规格。
Hugging Face 新论文：MTEdit 用50万条多轮图像编辑轨迹训练模型
Hugging Face Papers 收录的论文摘要提出 MTEdit 多轮图像编辑数据集与配套基准，用“打包轨迹画布”生成训练数据，声称可缓解多轮编辑中的画质漂移，并据此微调出 Qwen-Image-MTEdit。