TSG 推理时框架：用时序逻辑引导文生视频
arXiv 上新论文提出 Temporal Specification Guidance（TSG），一种无需训练的推理时框架，把视频生成的时序要求写成时序逻辑规范，通过梯度引导采样方向，让“先出现什么、持续多久、何时切换”更可控。目前公开信息仅为论文摘要，未见产品化或独立复现验证。
分类： AI 资讯
免奖励、免裁判、免答案：AI 智能体自建 DSL 精确问答
arXiv 上一项新研究提出一种无奖励、无裁判、无标准答案的自改进机制：让冻结大模型通过双层循环为精确表格问答生长出自己的领域专用语言（DSL），并声称零错误算子也能被可靠拒绝。它把“没有答案键也能自我扩展”这个开放问题向前推了一步。
推理轨迹与证据冲突时，答案配置如何改变模型行为
arXiv 新论文发现，模型在答题时如果“接着自己的推理往下写”，会倾向于重复旧结论；如果改为“另起一次答案调用”，则更容易跟随当前证据，两者在三个模型家族上的差距达 29.9 至 60.6 个百分点。
EvolvingBrain 提出自适应技能系统，让多模态智能体在开放世界自我进化
arXiv 上新论文提出 EvolvingBrain，用分层技能系统替代传统监督微调和结果强化学习，让多模态智能体在开放世界中通过经验积累自我进化，并在 VAB-Minecraft 与 DiscoveryWorld 任务上报告了成功率提升。
arXiv 论文提出开放世界 AI 三要求：推理时学习、丰富表征与预测解耦
2026年10月16日 arXiv cs.AI 一篇新论文提出，开放世界 AI 要同时满足推理时学习、丰富表征和预测解耦三项要求；作者在最高 8B 的语言模型上做了定性测试，论文摘要称只有满足要求的模型才会随相关任务数据增加而改善。信息仅来自摘要，全文实验尚未核验。
ARIA框架提出多智能体运行时修复，用2.4万轨迹训练干预策略
arXiv 2026年10月16日发布的一篇新论文提出 ARIA 框架，试图让多智能体系统在执行过程中被实时检查和修正，而不是等跑完再诊断或反复重跑。其核心价值在于把“执行中修复”变成可训练、可复用的策略。
arXiv论文提出“有效连贯认知速度”指标，对比Transformer与Co⁴架构
arXiv 2026年10月16日发布的一篇理论论文提出“有效连贯认知速度”指标，用于衡量 AI 系统在现实变化加速时仍能可靠行动的上限。在部分强化学习测试中，受细胞机制启发的 Co⁴ 架构明显优于 Transformer 和门控 MLP 基线，但结论仅限摘要所述条件。
固定模型权重、只改代码与提示词：Harness 自进化框架发布 66 页研究
2026 年 10 月 13 日，Hugging Face Papers 收录了一篇关于「Harness 自进化」的研究，提出在不改动大模型权重的前提下，让智能体的提示词、记忆、工作流和可执行代码在多次运行之间持续修订。这为「模型不动、外围持续进化」的 Agent 路线提供了理论框架。
L2G-SR：用学习式结构验证器引导LLM符号回归
arXiv 上新出现的一篇论文提出 L2G-SR，用“结构验证器”给 LLM 符号回归补上结构判断，缓解只看数值误差选错公式的问题。
ViRA研究：视觉基础模型并非总能提升端到端自动驾驶，目标选择很关键
OpenDriveLab 提出规划器无关的视觉表征对齐框架 ViRA，系统研究视觉基础模型（VFM）能否真正提升端到端自动驾驶，并给出 92.3 EPDMS 的 ViRA-Diffusion 方案。它值得关注，因为自动驾驶行业正大量引入通用视觉大模型，但“表征更强是否等于开得更好”此前缺乏清晰结论。