分类： AI 资讯

一篇新论文提出让多智能体自动完成 SFT 数据研究中的比例调整、剪枝、修复、替换与合成等多类数据操作，并在 IFEval、IFBench 和 MBPP+ 上观察到较单智能体更稳定的提升。

浙江大学等团队提出 VLA-Δ，用“当前到未来状态的物理变化”作为显式监督目标训练视觉-语言-动作模型，在 LIBERO 和 RoboTwin 上达到有竞争力的水平，真实机器人实验超过了 π_{0.5}。

Hugging Face Papers 收录了一篇名为 Mosaic 的论文，提出多会话智能体强化学习方法，用无 critic 的分层优化替代把轨迹优势广播给所有会话的常见做法，并称在 BrowseComp 上以更少会话取得更好表现。

一篇发表于2026年10月15日的论文提出后训练方法并训练出35B混合专家（MoE）智能体模型MLExpert，在MLE-Bench Lite上把基础模型的平均奖牌率从37.9%提升到72.7%，让大模型自主完成长周期机器学习工程更接近可用。

一篇2026年10月16日发布在arXiv的新论文，尝试用算法信息论严格定义“组合结构”，并反过来生成具有层次化部件复用特征的字符串和图像，为理解神经网络深度和构建组合型训练数据提供了新视角。

2026 年 10 月 16 日，arXiv cs.AI 收录的一篇新论文提出 MAIAM 模型，试图把“模型能力上限”和“谁能获得能力”拆成两个独立问题。它主张前沿 AI 应按用途、安全和能力分级开放，而不是简单地在 API 与开源权重之间二选一。

arXiv 2026年10月16日上线一篇新论文，提出用答案集编程（ASP）为交互运动轨迹生成可检查的预测假设，并在Argoverse 2基准上做了初步评测。

一篇 arXiv 新论文把“评估器引导推理”重新定义为算力分配问题，用置信度校准的三动作控制器，在宽度扩展与修订任务上把在线算力分别减少约 30% 和 16%。

Hugging Face Papers 上的一篇新论文提出 Waypoint-OPD，用 RL 训练过程中的中间教师检查点来比较早期与晚期策略偏移的方向是否一致，并据此决定是否把最终偏移蒸馏给学生模型。目前公开信息仅为论文摘要，作者尚未在页面中说明该方法的落地计划。