分类： AI 资讯

OR-License基准发布：11款前沿大模型实测运筹咨询，Claude Code最佳配置可行率88.39%

Hugging Face Papers 收录的论文提出 OR-License 基准，用真实付费运筹咨询项目检验大模型智能体能否直接从客户原始材料交付专业方案；结果显示模型在条件目标质量上可超过专家，但综合质量仍落后。

Hugging Face Papers 于 2026 年 10 月 19 日收录的论文提出 AnyGoal 基准，用于检验世界模型能否把训练中见过的状态因子和动作重新组合；结果显示，在多个环境和模型家族中，这类组合任务仍会失败。

Hugging Face Papers 收录的一篇论文提出 Fréchet Forcing，用短视频和真实数据统计微调流式视频世界模型，使其在动作条件下长时间生成仍保持稳定和场景一致。摘要称在 MiniWorld-1B 上微调后，可以稳定生成超过 4000 帧。

浙江大学等团队在 Hugging Face Papers 发布论文摘要，提出 ScaleNav，用互联网第一视角视频做语言条件局部导航预训练，在仿真基准和四足机器人上做了验证。

视觉 tokenizer 研究提出 RoAR-VAE，通过“稳健预测”原则让扩散模型更容易学习潜变量，在相同训练预算下生成基准平均提升 2.19 分，小文本重建精度较 FLUX.1-VAE 提升 16.93 个百分点。

Hugging Face 论文提出 Self-HPO，让编码智能体一边用强化学习更新策略模型，一边由模型自己提出新的运行框架（harness），在三个编码基准上把 Qwen3.5-35B-A3B 的平均解决率从 57.8% 提升到 64.8%。

Hugging Face Papers 收录的一篇论文提出 MT Forcing 训练范式，针对自回归扩散多模态模型在多轮图像编辑中“越改越差”的问题，试图同时稳住画质和跨轮一致性。目前公开信息仅为论文摘要，尚需核验全文实验与复现结果。

一篇 alphaXiv 论文显示，机器人仅凭关节编码器的本体感觉，在仿真中学会插销、齿轮啮合和拧螺母，其中插销策略零样本迁移到真机，在测试中成功插入不同形状与尺寸的销钉，占 73% 的试验。这提示精密装配未必需要视觉或触觉。

alphaXiv 于 2026 年 10 月 19 日公开论文介绍 Koi，一个面向多云端异构 GPU 集群的大模型推理规划器，利用语言模型层级提出部署假设，再由确定性工具验证与选型，据称在真实集群中比最强基线提升 1.18 倍有效吞吐并降低 20% 每 token 成本。

Hugging Face Papers 收录的论文提出 ReviewFact 基准与 PremiseCheck 框架，用于核查人类或 AI 撰写的评审意见是否误述论文内容，在准确率接近前沿大模型的同时把成本降下来。