分类： AI 资讯

Hugging Face Papers 收录的论文 Gen4P 提出，把预训练视频生成器改造成前馈式 4D 感知器，无需迭代去噪即可从单目视频恢复几何与运动。它指向的方向是：视频生成模型的底座能力，可能被复用到三维感知任务上。

OpenMobile-2 发布了一套近乎前沿的移动端智能体方案，训练环境、数据和训练配方全部开源，并在 AndroidWorld 上拿到 79.9 分，给移动 AI 应用开发者提供了一个可复现的起点。

Hugging Face Papers 收录的论文摘要提出 DLite，一种面向智能体 AI 的“无历史”投机解码框架，试图解决长上下文与多轮交互下草稿模型接受长度下降的问题，摘要称其接受长度达 2-6，较 DSpark 最高提升 70%。

2026年10月15日，Hugging Face Papers 收录的一篇论文提出 MINE-SAMPLE-RENDER（MSR）方法，把生成内容的多样性交给“从真实语料挖掘属性—按统计抽样—模型只做条件渲染”的黑白分离流程，试图缓解生成模型“单件好看、批量雷同”的问题。