分类： AI 资讯

一篇发布于Hugging Face Papers的论文提出“市场竞价式后训练”（MPT），让去中心化智能体集群同时学习动作策略与自我编排，在多任务上超过传统单体训练。目前公开信息仅为论文摘要，尚不构成已上线产品。

2026 年 10 月 15 日 Hugging Face Papers 收录的论文摘要提出 CarryOn——一个不改动冻结 VLA 策略的双环外围框架，用持久用户偏好和主动安全监管理解个性化指令，并把机器人从失败中恢复的成功率从 13% 提升到 80%。

alphaXiv 上的一篇论文提出 GracefulRL，让模型在无法可靠完成任务时选择安全回退，而不是硬猜；这关系到 AI 应用在数据库操作、代码生成等高风险场景里是否足够可信。

Hugging Face Papers 收录的论文摘要提出 CoDA 框架，让仿真数据引擎与动作策略通过共享记忆共同进化，在四项操作任务中把分布外成功率从 5.3% 提升到 27.6%。这为机器人训练中“生成什么环境、给什么监督”这一关键问题提供了新解法。

Hugging Face Papers 收录的论文提出 SpecAgent，把工具调用智能体中的强模型从“逐步生成者”改为“草稿审查者”，由弱模型先执行只读操作生成轨迹草稿，强模型用单次并行预填充验证并提交最长有效前缀，从而降低延迟与内存流量。

最新论文提出统一因果训练框架 OneWM，将动作同时作为世界预测的条件和策略学习的目标；在 LIBERO、LIBERO-Plus、RoboCasa365 等具身测试环境及真实实验里，世界建模与动作生成表现出相互提升的效果。

alphaXiv 2026年10月15日展示的论文提出 P³-WAM，用一个共享权重的模型统一处理第一视角灵巧操作的感知、预测与规划，目标是让手部动作和其视觉后果由同一套表示连接起来。